[发明专利]基于迁移学习和稀疏损失函数的人脸识别方法

权利要求书

1.基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：包括人脸数据库，该人脸数据库采用深度图像的组合，作为孪生神经网络模块的输入；

孪生神经网络模块，该孪生神经网络模块中设置有卷积神经网络，用于提取人脸数据库输入的人脸的特征向量；

误差损失函数，将孪生神经网络模块提取到的人脸的特征向量，通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，使整个模型的误差越来越小；

所述的误差损失函数设置为稀疏损失函数；通过误差损失函数来计算输出的人脸特征向量的误差，并对孪生神经网络模块进行训练，减小整个模型的误差；

所述的孪生神经网络模块中设置有两个卷积神经网络，两个卷积神经网络的结构相同，并且两个卷积神经网络共享网络的权值参数，采用ResNet18作为两个网络的主体结构，并将最后一层输出改为128维的特征向量，作为人脸的输出特征，用于稀疏损失函数的计算和训练；

所述的孪生神经网络模块的训练稀疏损失函数为：

其中，s为分类标签，第一类代表0，第二类代表1，f₁为第一个孪生神经网络模块的输出向量，f₂为第二个孪生神经网络模块的输出向量，β₁、β₂为惩罚系数；α为超参数；m为边界参数。

2.根据权利要求1所述的一种基于迁移学习和稀疏损失函数的人脸识别方法，其特征在于：所述的人脸数据集采用人脸深度图像，图像中采用灰度值代表人脸面部的高度，该人脸数据集中含有若干人的人脸，每一人均设置有若干不同的图像，且不同的图像中含有不同的人脸姿态及表情，共同构成数据集；将数据集进行组合，来自同一个人脸的两张图像的组合设定分类标签为0，称为正样本；来自不同人脸的两张图像的组合分类标签为1，称为负样本，将数据集的组合作为孪生神经网络模块的输入。