.920. 智能系统学报 第10卷 the 2013 IEEE International Conference on Computer Vi- [14]MILBORROW S,BISHOP T E,NICOLLS F.Multiview sion.Sydney,NSW,Australia,2013:113-120. active shape models with SIFT descriptors for the 300-W [6]SUN Yi,WANG Xiaogang,TANG Xiaoou.Hybrid deep face landmark challenge [C]//Proceedings of the 2013 learning for face verification[C]//Proceedings of the 2013 IEEE International Conference on Computer Vision Work- IEEE International Conference on Computer Vision.Syd- shops.Sydney,NSW,Australia,2013:378-385. ney,NSW,Australia,2013:1489-1496. [15]Bengio Y,Delalleau 0.On the expressive power of deep [7]TAIGMAN Y,YANG Ming,RANZATO M A,et al.Deep- architectures[C]//Proceedings of the 22nd International face:Closing the gap to human-level performance in face Conference.Espoo,Finland,2011:18-36. verification[C]//Proceedings of the 2014 IEEE Conference [16]HINTON G E.Training products of experts by minimizing on Computer Vision and Pattern Recognition.Columbus, contrastive divergence[J].Neural Computation,2002,14 0H,USA,2014:1701-1708. (8):1771-1800. [8]SUN Yi,CHEN Yuheng,WANG Xiaogang,et al.Deep [17]BENGIO Y.Learning deep architectures for AI[J].Foun- learning face representation by joint identification-verifica- dations and Trends in Machine Learning,2009,2(1):1- tion[J].Advances in Neural Information Processing Sys- 127. tems.2014. 作者简介： [9]HINTON G E,OSINDERO S,TEH Y W.A fast learning 孙劲光，女，1962年生，博士，教授 algorithm for deep belief nets[J].Neural Computation, 博士生导师，计算机学会(CCF)会员 2006,18(7):1527-1554. (21314S),主要研究方向为计算机图像 [10]HINTON G E,SALAKHUTDINOV RR.Reducing the di- 处理、计算机图形学、知识工程。 mensionality of data with neural networks[J].Science, 2006.313(5786):504-507. [11]AREL I,ROSE D C,KARNOWSKI T P.Deep machine learning a new frontier in artificial intelligence research 孟凡宇，男，1991年生，硕士研究 [research frontier][J].IEEE Computational Intelligence 生，主要研究方向为计算机图像处理。 Magazine,2010,5(4):13-18. [12]COOTES T F,TAYLOR C J,COOPER D H,et al.Active shape models-their training and application[].Computer Vision and Image Understanding,1995,61(1):38-59. [13]MILBORROW S,NICOLIS F.Active shape models with SIFT descriptors and MARS[J].VISAPP,2014,1(2):5.ｔｈｅ ２０１３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉ⁃ ｓｉｏｎ． Ｓｙｄｎｅｙ， ＮＳＷ， Ａｕｓｔｒａｌｉａ， ２０１３： １１３⁃１２０． ［６］ ＳＵＮ Ｙｉ， ＷＡＮＧ Ｘｉａｏｇａｎｇ， ＴＡＮＧ Ｘｉａｏｏｕ． Ｈｙｂｒｉｄ ｄｅｅｐ ｌｅａｒｎｉｎｇ ｆｏｒ ｆａｃｅ ｖｅｒｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓｙｄ⁃ ｎｅｙ， ＮＳＷ， Ａｕｓｔｒａｌｉａ， ２０１３： １４８９⁃１４９６． ［７］ＴＡＩＧＭＡＮ Ｙ， ＹＡＮＧ Ｍｉｎｇ， ＲＡＮＺＡＴＯ Ｍ Ａ， ｅｔ ａｌ． Ｄｅｅｐ⁃ ｆａｃｅ： Ｃｌｏｓｉｎｇ ｔｈｅ ｇａｐ ｔｏ ｈｕｍａｎ⁃ｌｅｖｅｌ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｆａｃｅ ｖｅｒｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１４ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｃｏｌｕｍｂｕｓ， ＯＨ， ＵＳＡ， ２０１４： １７０１⁃１７０８． ［８］ ＳＵＮ Ｙｉ， ＣＨＥＮ Ｙｕｈｅｎｇ， ＷＡＮＧ Ｘｉａｏｇａｎｇ， ｅｔ ａｌ． Ｄｅｅｐ ｌｅａｒｎｉｎｇ ｆａｃｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｂｙ ｊｏｉｎｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ⁃ｖｅｒｉｆｉｃａ⁃ ｔｉｏｎ［ Ｊ］． Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓ⁃ ｔｅｍｓ． ２０１４． ［９］ ＨＩＮＴＯＮ Ｇ Ｅ， ＯＳＩＮＤＥＲＯ Ｓ， ＴＥＨ Ｙ Ｗ． Ａ ｆａｓｔ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｄｅｅｐ ｂｅｌｉｅｆ ｎｅｔｓ ［ Ｊ ］． Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ， ２００６， １８（７）： １５２７⁃１５５４． ［１０］ＨＩＮＴＯＮ Ｇ Ｅ， ＳＡＬＡＫＨＵＴＤＩＮＯＶ Ｒ Ｒ． Ｒｅｄｕｃｉｎｇ ｔｈｅ ｄｉ⁃ ｍｅｎｓｉｏｎａｌｉｔｙ ｏｆ ｄａｔａ ｗｉｔｈ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ［ Ｊ］． Ｓｃｉｅｎｃｅ， ２００６， ３１３（５７８６）： ５０４⁃５０７． ［１１］ ＡＲＥＬ Ｉ， ＲＯＳＥ Ｄ Ｃ， ＫＡＲＮＯＷＳＫＩ Ｔ Ｐ． Ｄｅｅｐ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ａ ｎｅｗ ｆｒｏｎｔｉｅｒ ｉｎ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ｒｅｓｅａｒｃｈ ［ｒｅｓｅａｒｃｈ ｆｒｏｎｔｉｅｒ］ ［ Ｊ］． ＩＥＥＥ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｍａｇａｚｉｎｅ， ２０１０， ５（４）： １３⁃１８． ［１２］ＣＯＯＴＥＳ Ｔ Ｆ， ＴＡＹＬＯＲ Ｃ Ｊ， ＣＯＯＰＥＲ Ｄ Ｈ， ｅｔ ａｌ． Ａｃｔｉｖｅ ｓｈａｐｅ ｍｏｄｅｌｓ⁃ｔｈｅｉｒ ｔｒａｉｎｉｎｇ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ［ Ｊ］． Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｉｍａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ， １９９５， ６１（１）： ３８⁃５９． ［１３］ ＭＩＬＢＯＲＲＯＷ Ｓ， ＮＩＣＯＬＬＳ Ｆ． Ａｃｔｉｖｅ ｓｈａｐｅ ｍｏｄｅｌｓ ｗｉｔｈ ＳＩＦＴ ｄｅｓｃｒｉｐｔｏｒｓ ａｎｄ ＭＡＲＳ［Ｊ］． ＶＩＳＡＰＰ， ２０１４， １（２）： ５． ［１４］ ＭＩＬＢＯＲＲＯＷ Ｓ， ＢＩＳＨＯＰ Ｔ Ｅ， ＮＩＣＯＬＬＳ Ｆ． Ｍｕｌｔｉｖｉｅｗ ａｃｔｉｖｅ ｓｈａｐｅ ｍｏｄｅｌｓ ｗｉｔｈ ＳＩＦＴ ｄｅｓｃｒｉｐｔｏｒｓ ｆｏｒ ｔｈｅ ３００⁃Ｗ ｆａｃｅ ｌａｎｄｍａｒｋ ｃｈａｌｌｅｎｇｅ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｗｏｒｋ⁃ ｓｈｏｐｓ． Ｓｙｄｎｅｙ， ＮＳＷ， Ａｕｓｔｒａｌｉａ， ２０１３： ３７８⁃３８５． ［１５］Ｂｅｎｇｉｏ Ｙ， Ｄｅｌａｌｌｅａｕ Ｏ． Ｏｎ ｔｈｅ ｅｘｐｒｅｓｓｉｖｅ ｐｏｗｅｒ ｏｆ ｄｅｅｐ ａｒｃｈｉｔｅｃｔｕｒｅｓ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２２ｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ． Ｅｓｐｏｏ， Ｆｉｎｌａｎｄ， ２０１１： １８⁃３６． ［１６］ＨＩＮＴＯＮ Ｇ Ｅ． Ｔｒａｉｎｉｎｇ ｐｒｏｄｕｃｔｓ ｏｆ ｅｘｐｅｒｔｓ ｂｙ ｍｉｎｉｍｉｚｉｎｇ ｃｏｎｔｒａｓｔｉｖｅ ｄｉｖｅｒｇｅｎｃｅ［Ｊ］． Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ， ２００２， １４ （８）： １７７１⁃１８００． ［１７］ＢＥＮＧＩＯ Ｙ． Ｌｅａｒｎｉｎｇ ｄｅｅｐ ａｒｃｈｉｔｅｃｔｕｒｅｓ ｆｏｒ ＡＩ［ Ｊ］． Ｆｏｕｎ⁃ ｄａｔｉｏｎｓ ａｎｄ Ｔｒｅｎｄｓ ｉｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ， ２００９， ２（１）： １⁃ １２７． 作者简介： 孙劲光，女，１９６２ 年生，博士，教授， 博士生导师，计算机学会（ ＣＣＦ） 会员 （２１３１４Ｓ），主要研究方向为计算机图像 处理、计算机图形学、知识工程。 孟凡宇，男， １９９１ 年生，硕士研究 生，主要研究方向为计算机图像处理。 ·９２０· 智 能 系 统 学 报 第 １０ 卷