[发明专利]一种面部识别和聚类的联合嵌入方法

权利要求书

1.一种面部识别和聚类的联合嵌入方法，其特征在于，所述方法包括以下步骤：

将目标样本图像、正样本图像、以及负样本图像作为三元组，定义三元组的损失，用于得到嵌入函数后对模型进行评估；

从三元组中选择违反三元组等式约束的正样本图像与负样本图像，作为临界正样本图像与临界负样本图像；对临界负样本图像进行筛选获取半临界负样本图像；

对半临界负样本图像进行嵌入函数模型的学习，以此加快训练模型的收敛速度，同时避免折叠模型；

在分类准确率和每秒浮点计算量间进行权衡，从6种深度神经网络模型中进行深度神经网络的选择；

训练模型并在测试集上进行测试，测试模型准确度、选择嵌入维度。

2.根据权利要求1所述的一种面部识别和聚类的联合嵌入方法，其特征在于，

所述目标样本图像是在所述正样本图像与所述负样本图像之间强制的余量；

所述正样本图像与所述目标样本图像来自于同一人，所述负样本图像与所述目标样本图像来自不同人。

3.根据权利要求1所述的一种面部识别和聚类的联合嵌入方法，其特征在于，所述三元组的损失具体为：

ΣiN[||f(xia)-f(xip)||22-||f(xia)-f(xin)||22+α]+]]>

其中，x表示图像，a表示目标样本图像，p表示正样本图像，n表示负样本图像，i表示三元组，f表示嵌入函数，将一幅图像映射到一个点，N表示三元组的总数，α为在正样本图像p与负样本图像n之间强制的余量。

4.根据权利要求3所述的一种面部识别和聚类的联合嵌入方法，其特征在于，所述对临界负样本图像进行筛选获取半临界负样本图像具体为：

||f(xia)-f(xip)||22<||f(xia)-f(xin)||22]]>

满足上式的样本图像即为半临界负样本图像；

其中，x表示图像，a表示目标样本图像，p表示正样本图像，n表示负样本图像，i表示三元组，f表示嵌入函数，将一幅图像映射到一个点。