[发明专利]一种基于小样本匹配网络的标准证件照检测方法

权利要求书

1.一种基于小样本匹配网络的标准证件照检测方法，其特征在于，包括如下步骤：

(1)收集标准证件照和异常证件照并进行标注形成证件照数据集；

(2)构建已经预训练的小样本匹配网络；

(3)采用步骤(1)中的证件照数据集对小样本匹配网络进行训练，得到证件照检测模型；

(4)将待测证件照的图像输入到证件照检测模型，并识别证件照是否标准，若不标准，模型则自动标注对应的异常标签。

2.根据权利要求1所述的基于小样本匹配网络的标准证件照检测方法，其特征在于：

所述异常证件照的异常情况包括眼睛异常，鼻子异常，耳朵异常，嘴巴异常和浓妆，且每张异常证件照只包含一种异常情况，标注时将对应异常的标签标注出来，标准证件照则标注“标准照”的标签。

3.根据权利要求1所述的基于小样本匹配网络的标准证件照检测方法，其特征在于，所述步骤(2)中小样本匹配网络包括attGRU模块，BiGRU模块和Attention Kernel模块；

所述的attGRU块用于对测试批B编码，记为BiGRU用于对支持集S编码，记为g(x_i,S)；

Attention Kernel通过注意力机制计算与g(x_i,S)的相似度，在面对新样本时关注S中最重要的x_i，从而为标注该x_i的标签，记为预测标签y，根据预测标签确定证件照是否标准，若不标准则根据标签含义得知异常的部位。

4.根据权利要求1所述的基于小样本匹配网络的标准证件照检测方法，其特征在于，步骤(3)的具体过程为：

将证件照数据集划分为训练集D_train和测试集D_test，对于训练集中的标准证件照和异常证件照共计六种类别的图像均随机采样样本作为支持集S，随机采样其中一个类别及其样本作为测试批B；

将训练集采样得到的支持集S和训练批B输入到小样本匹配网络进行训练，训练策略为：以支持集S为条件训练测试批B，利用在S中学习的结果预测B的标签，最小化B的预测值与真实值之间的误差；

将测试集输入到模型中进行测试，得到最终的证件照检测模型。