[发明专利]一种基于深度学习的人脸识别和人脸验证的监督学习方法在审
| 申请号： | 201810008115.3 | 申请日： | 2018-01-04 |
| 公开（公告）号： | CN108256450A | 公开（公告）日： | 2018-07-06 |
| 发明（设计）人： | 聂为之;李梦洁 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的人脸识别和人脸验证的监督学习方法，包括以下步骤：对卷积神经网络模型的全连接层输出特征使用柔性最大值损失函数增大类间距离，通过中心损失函数为每一类的深度特征学习一个中心，通过超参平衡两函数以此联合监督学习特征；计算卷积神经网络模型的后向传播，采用基于最小批量处理的随机梯度下降法对卷积神经网络模型进行优化，更新权重矩阵、以及每一类的深度特征中心；对深度特征进行主成分分析降维后计算两两特征之间的余弦距离来计算所得分数，所述分数用于最近邻和阈值比较中的目标匹配，对人脸进行识别和验证。本发明有效的提高神经网络学习特征的辨别能力，获得了具有鲁棒性的脸部特征识别和验证模型。 | ||
| 搜索关键词： | 深度特征 卷积神经网络 学习 人脸识别 人脸验证 损失函数 验证 随机梯度下降法 主成分分析降维 神经网络模型 神经网络学习 计算卷积 类间距离 脸部特征 目标匹配 权重矩阵 输出特征 余弦距离 阈值比较 连接层 鲁棒性 小批量 最近邻 监督 后向 人脸 辨别 更新 平衡 传播 优化 联合 | ||
【主权项】：
1.一种基于深度学习的人脸识别和人脸验证的监督学习方法，其特征在于，所述方法包括以下步骤：对卷积神经网络模型的全连接层输出特征使用柔性最大值损失函数增大类间距离，通过中心损失函数为每一类的深度特征学习一个中心，通过超参平衡两函数以此联合监督学习特征；计算卷积神经网络模型的后向传播，采用基于最小批量处理的随机梯度下降法对卷积神经网络模型进行优化，更新权重矩阵、以及每一类的深度特征中心；对深度特征进行主成分分析降维后计算两两特征之间的余弦距离来计算所得分数，所述分数用于最近邻和阈值比较中的目标匹配，对人脸进行识别和验证。
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天津大学，未经天津大学许可，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/201810008115.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于子空间分类器的人体行为识别方法
- 下一篇：用于检测人脸的方法和装置
