深度学习中模型优化算法的选择与模型的性能有直接关系.提出了一种改进Adam优化算法的人脸检测方法，在二阶动量计算过程中加入激活函数来调整学习率的变化，从而使得优化算法学习率可以随迭代次数自适应地改变，提高人脸检测网络的收敛性能，更加精确地检测到人脸.实验结果表明，与RMSProp和原Adam优化算法相比，改进后的算法能够提高人脸检测的精确度，加快网络的收敛速度，同时降低训练时出现的迭代震荡次数，解决无法收敛到局部最优的问题.
科研之友
微信
新浪微博
Facebook
分享链接
