[发明专利]一种基于多目标学习的人脸识别算法训练方法有效
| 申请号： | 201810356283.1 | 申请日： | 2018-04-19 |
| 公开（公告）号： | CN108647583B | 公开（公告）日： | 2022-02-22 |
| 发明（设计）人： | 王军南;张清泉;余饶东;唐杭生 | 申请（专利权）人： | 浙江大承机器人科技有限公司 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 陈升华 |
| 地址： | 313100 浙江省湖州市长兴县太*** | 国省代码： | 浙江;33 |
| 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多目标学习的人脸识别算法训练方法，包括以下步骤：随机初始化神经网络参数，使用基于人脸身份的损失函数以及基于人脸特征点位置约束的损失函数，以最小化学习目标对深度卷积网络进行训练；当对人脸身份的预测准确率达到阈值后，计算基于人脸特征类内距离的损失函数和基于人脸特征类间距离的损失函数，并对每一个样本使用基于人脸身份的损失函数及人脸特征点位置约束的损失函数计算；基于人工设置权重，对各损失函数进行加权，得到总的损失函数，并基于总的损失函数实现反向传播，实现对网络参数的更新，当准确率稳定后，停止网络训练，得到训练好的人脸识别模型。 | ||
| 搜索关键词： | 一种 基于 多目标 学习 识别 算法 训练 方法 | ||
【主权项】：
1.一种基于多目标学习的人脸识别算法训练方法，其特征在于，包括以下步骤：1)随机初始化神经网络参数，使用基于人脸身份的损失函数以及基于人脸特征点位置约束的损失函数，以最小化学习目标对深度卷积网络进行训练；2)当对人脸身份的预测准确率达到阈值后，计算基于人脸特征类内距离的损失函数和基于人脸特征类间距离的损失函数，并对样本集中的每一个样本使用基于人脸身份的损失函数及人脸特征点位置约束的损失函数计算；3)基于人工设置权重，对步骤2)得到的基于人脸身份的损失函数、基于人脸特征点位置约束的损失函数、基于人脸特征类内距离的损失函数和人脸特征点位置约束的损失函数进行加权，得到总的损失函数，并基于总的损失函数实现反向传播，实现对网络参数的更新，当准确率稳定后，停止网络训练，得到训练好的人脸识别模型。
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浙江大承机器人科技有限公司，未经浙江大承机器人科技有限公司许可，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/201810356283.1/，转载请声明来源钻瓜专利网。
