[发明专利]一种基于深度学习的低维人脸模型训练方法在审
| 申请号： | 201710884185.0 | 申请日： | 2017-09-26 |
| 公开（公告）号： | CN107633232A | 公开（公告）日： | 2018-01-26 |
| 发明（设计）人： | 刘梅;周春燕;刘明华 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 四川省成都市天策商标专利事务所51213 | 代理人： | 刘兴亮,刘渝 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度学习的低维人脸模型训练方法，包括步骤s1采集人脸图像并作对齐处理，构造训练样本集；步骤s2构建轻量型神经网络模型，将训练样本集输入模型中训练，直到模型收敛，得到初始模型；步骤s3利用初始模型对训练样本打分，随机挑选基准样本，并根据基准样本挑选正负样本的难例样本集；步骤s4将步骤s3得到的难例进一步丰富化，将丰富后的难例样本组合在一起，作为后续训练的难例集；步骤s5精调模型利用难例集精调模型，将s2中的初始训练模型用于初始化新模型，不断迭代训练直到模型收敛。本发明轻量型单网络模型具有参数少，提取的特征维数低，效率高的优点。 | ||
| 搜索关键词： | 一种 基于 深度 学习 低维人脸 模型 训练 方法 | ||
【主权项】：
一种基于深度学习的低维人脸模型训练方法，其特征在于包括如下步骤：步骤s1：采集人脸图像并作对齐处理，构造训练样本集；步骤s2：构建轻量型神经网络模型，将训练样本集输入模型中训练，直到模型收敛，得到初始模型；步骤s3：利用初始模型对训练样本打分，随机挑选基准样本，并根据基准样本挑选正负样本的难例样本集；步骤s4：将步骤s3得到的难例进一步丰富化，将丰富后的难例样本组合在一起，作为后续训练的难例集；步骤s5：精调模型：利用难例集精调模型，将s2中的初始训练模型用于初始化新模型，不断迭代训练直到模型收敛。
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四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，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/201710884185.0/，转载请声明来源钻瓜专利网。
- 上一篇：人脸检测方法及相关产品
- 下一篇：一种智能车牌识别方法
