[发明专利]一种基于多任务深度学习网络的训练、识别方法及系统有效
| 申请号： | 201610952920.2 | 申请日： | 2016-11-02 |
| 公开（公告）号： | CN106503669B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 周曦;焦宾 | 申请（专利权）人： | 重庆中科云丛科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08 |
| 代理公司： | 31219 上海光华专利事务所(普通合伙) | 代理人： | 尹丽云 |
| 地址： | 401122 重庆市北部新*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于多任务深度学习网络的训练方法、识别方法及系统，训练方法包括：获取训练集中人脸图像的人脸区域；对人脸区域进行关键点检测，得到关键特征点位置；根据关键特征位置将人脸图像经仿射变换得到对齐的人脸图像；将对齐的人脸图像输入到多任务深度学习网络进行训练，得到多任务深度学习网络模型；识别方法包括：根据待识别人脸图像的关键特征位置将待识别人脸图像经仿射变换得到对齐的人脸图像；将对齐的人脸图像输入到训练后的多任务深度学习网络模型进行特征提取得到特征信息；将待识别人脸图像的特征信息分别与注册集中每张人脸图像对应的特征信息进行匹配，得到识别结果。如此，能够提高多任务深度学习网络训练和识别的效率。 | ||
| 搜索关键词： | 一种 基于 任务 深度 学习 网络 训练 识别 方法 系统 | ||
【主权项】：
1.一种基于多任务深度学习网络的训练方法，其特征在于，所述方法包括：/n获取训练集中人脸图像的人脸区域；/n对所述人脸区域进行关键点检测，得到所述人脸区域的关键特征点位置；/n根据所述关键特征位置将所述人脸图像经仿射变换得到对齐的人脸图像；/n将对齐的人脸图像输入到多任务深度学习网络进行训练，得到多任务深度学习网络模型；/n其中，所述多任务深度学习网络的结构采用GoogleNet结构，所述多任务深度学习网络包括人脸识别任务、年龄识别任务、性别识别任务，所述人脸识别任务、所述年龄识别任务及所述性别识别任务共享所述多任务深度学习网络的卷积层及第一个全链接层，所述第一个全链接层连接每个任务特有的全链接层及每个任务的损失函数，所述人脸识别任务的损失函数为triplet函数、所述年龄识别任务的损失函数为softmax函数、所述性别识别任务的损失函数为softmax函数；所述人脸识别任务、所述年龄识别任务及所述性别识别任务每个任务的损失函数按照权重比例相加得到所述多任务深度学习网络的总损失函数。/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重庆中科云丛科技有限公司，未经重庆中科云丛科技有限公司许可，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/201610952920.2/，转载请声明来源钻瓜专利网。
