[发明专利]一种用于人脸验证的孪生神经网络训练方法

权利要求书

1.一种用于人脸验证的孪生神经网络训练方法，其特征在于，包括：

准备训练样本集；

对训练样本集中的图片进行尺寸归一化处理后输入至人工神经网络进行训练；人工神经网络包括两个相同的子神经网络；

将处理后的训练样本分割为数量相等的数据集data和data_p，将数据集data和data_p分别输送给两个子神经网络，进行样本特征向量提取；通过对比对损失函数实现神经网络的迭代优化，直至迭代次数达到设定值，则跳出迭代，此时经过训练的人工神经网络即为用于人脸验证的孪生神经网络；

所述对比度损失函数表示两组特征向量的相似度。

2.如权利要求1所述的一种用于人脸验证的孪生神经网络训练方法，其特征在于，所述对比度损失函数L

其中代表两个样本特征的余弦距离，y为两个样本是否匹配的真实标签，y＝1代表两个训练样本为同一个人，y＝0则代表两个训练样本不是同一个人，margin为设定的阈值；

当y＝1时，损失函数为当y＝0时，损失函数为

3.如权利要求1所述的一种用于人脸验证的孪生神经网络训练方法，其特征在于，

所述数据集data和data_p的图像列表顺序上一一对应；

所述数据集data中第一张图片A与数据集data_p中第一张图片B共同构成训练网络的第一个样本对输入；若图片A和B所表示的人脸图像来自同一个人，则该样本对的真实标签为1，即为一个正样本对；若不是同一个人，则真实标签为0，即为一个负样本对。

4.如权利要求3所述的一种用于人脸验证的孪生神经网络训练方法，其特征在于，

所述数据集data和data_p的正负样本对比例为1：1。

5.如权利要求1所述的一种用于人脸验证的孪生神经网络训练方法，其特征在于，

所述子神经网络均为ResNet-50神经网络结构，分别将数据集data和data_p作为ResNet-50神经网络的数据层输入，分别进行特征向量提取。