[发明专利]基于多任务深度学习的人脸属性识别方法有效
| 申请号： | 201610591877.1 | 申请日： | 2016-07-26 |
| 公开（公告）号： | CN106203395B | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 严严;陈日伟;王菡子 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 35200 厦门南强之路专利事务所(普通合伙) | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于多任务深度学习的人脸属性识别方法，涉及计算机视觉中的人脸属性识别。准备图像数据集；对图像数据集中的每幅图像逐一进行人脸检测；对所有检测到的人脸进行人脸关键点检测；对检测到的人脸关键点将每幅人脸根据人脸对齐方法，对齐到标准的人脸图像上，构成人脸图像训练集；计算出训练集中的平均人脸图像；构建多任务深度卷积神经网络，把人脸图像训练集中的每幅人脸图像减去平均人脸图像后进行网络参数的训练，得卷积神经网络模型；将待识别的测试图像进行人脸检测和人脸关键点检测，并根据人脸关键点将图像中的人脸对齐到标准的人脸图像上；将标准的人脸图像减去平均人脸图像，并放到构建好的卷积神经网络模型中进行前馈运算操作，即得。 | ||
| 搜索关键词： | 基于 任务 深度 学习 属性 识别 方法 | ||
【主权项】：
1.基于多任务深度学习的人脸属性识别方法，其特征在于包括如下步骤：/nA.准备图像数据集，其包含大量的人脸以及对应的人脸属性标签；/nB.对图像数据集中的每幅图像逐一进行人脸检测，获取人脸在每幅图像中的位置；/nC.对所有检测到的人脸进行人脸关键点检测，获取人脸关键点在每幅图像中的位置；/nD.对检测到的人脸关键点将每幅人脸根据人脸对齐方法，对齐到标准的人脸图像上，构成人脸图像训练集；/nE.对人脸图像训练集，计算出训练集中的平均人脸图像，具体方法为：/nE1.均值图像为人脸图像训练集每个通道，包含RGB共3个通道，计算得到的算术均值图像M，其中每个通道和M的计算方式如下：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610591877.1/，转载请声明来源钻瓜专利网。
