[发明专利]基于数理统计的反向传播优化方法、装置及电子设备

权利要求书

1.一种基于数理统计的反向传播优化方法，其特征在于，所述方法包括：

获取样本集，将所述样本集导入至建立的训练模型以对所述样本集中包含的多个样本图像进行训练，其中，各所述样本图像包括人脸图像，各所述样本图像携带有标签，所述标签包括样本图像分类的标记，属于同一人的样本图像的标签相同，属于不同的人的样本图像的标签不同；

根据各所述样本图像的标签将所述多个样本图像划分为多个组别，并对各所述样本图像进行特征提取以计算各所述组别内的样本图像的类内距离以及各所述组别之间的类间距离，其中，属于同一组别的样本图像均为同一个人的图像信息；

根据所述类内距离获得所述样本集的类内距离分布曲线，并根据所述类间距离获得所述样本集的类间距离分布曲线，所述类内距离分布曲线根据由类内距离得到的类内距离均值和类内方差值所构建，所述类间距离分布曲线根据由类间距离得到的类间距离均值和类间方差值所构建，所述类间距离分布曲线体现出误识率；

根据设定的误识率、所述类内距离分布曲线以及所述类间距离分布曲线计算得到损失函数；

根据所述损失函数对输入向量进行偏导计算，将得到的偏导数值作为反向传播量以调整所述训练模型的特征提取参数；

其中，计算得到损失函数的步骤包括：

对所述类间距离分布曲线进行积分，并根据设定的误识率得到类间距离分布曲线中满足所述误识率的阈值，基于所述阈值对所述类内距离分布曲线进行积分，得到所述损失函数。

2.根据权利要求1所述的基于数理统计的反向传播优化方法，其特征在于，所述根据所述类内距离获得所述样本集的类内距离分布曲线，并根据所述类间距离获得所述样本集的类间距离分布曲线的步骤，包括：

根据所述类内距离以及统计到的类内距离的数目计算得到类内距离均值，并根据各所述类内距离以及所述类内距离均值计算得到类内方差值；

根据所述类内方差值得到所述样本集的类内距离分布曲线；

根据所述类间距离以及统计到的类间距离的数目计算得到类间距离均值，并根据各所述类间距离以及所述类间距离均值计算得到类间方差值；

根据所述类间方差值得到所述样本集的类间距离分布曲线。

3.根据权利要求2所述的基于数理统计的反向传播优化方法，其特征在于，所述根据所述类内方差值得到所述样本集的类内距离分布曲线的步骤，包括：

根据所述类内方差值以及所述类内距离均值并按以下公式计算得到所述样本集的类内距离分布曲线：

其中，f₁(d)为类内距离分布曲线，sigma₁为类内方差值，u₁为类内距离均值，d为所述类内距离分布曲线的横坐标值。

4.根据权利要求2所述的基于数理统计的反向传播优化方法，其特征在于，所述根据所述类内方差值得到所述样本集的类内距离分布曲线的步骤，包括：

根据所述类内方差值并按以下公式得到所述样本集的类内距离分布曲线：

其中，f₁(d)为类内距离分布曲线，sigma₁为类内方差值，d为所述类内距离分布曲线的横坐标值。

5.根据权利要求2所述的基于数理统计的反向传播优化方法，其特征在于，所述根据所述类间方差值得到所述样本集的类间距离分布曲线的步骤，包括：

根据所述类间方差值以及所述类间距离均值并按以下公式计算得到所述样本集的类间距离分布曲线：

其中，f₂(d)为类间距离分布曲线，sigma₂为类间方差值，u₂为类间距离均值，d’为所述类间距离分布曲线的横坐标值。