[发明专利]一种基于卷积神经网络的人脸验证方法有效
| 申请号： | 201810366071.1 | 申请日： | 2018-04-23 |
| 公开（公告）号： | CN108537206B | 公开（公告）日： | 2021-08-10 |
| 发明（设计）人： | 袭肖明;于治楼;陈祥;吴永健 | 申请（专利权）人： | 山东浪潮科学研究院有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06F21/32 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 姜鹏 |
| 地址： | 250100 山东省济*** | 国省代码： | 山东;37 |
| 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卷积神经网络的人脸验证方法，其实现过程为，首先收集训练图像，挑选正类样本，生成正类模板；构造训练集，将收集的训练图像与正类模板进行比对；设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入；将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过。本发明的一种基于卷积神经网络的人脸验证方法与现有技术相比，将单样本输入改为样本对输入，能够学到样本与正类模板的相似性，直接输出样本与正类模板的比对结果，不需要与其他正类样本进行一一比对，可以有效地降低验证时间。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 验证 方法 | ||
【主权项】：
1.一种基于卷积神经网络的人脸验证方法，其特征在于，其实现过程为，一、首先收集训练图像，挑选正类样本，生成正类模板；二、构造训练集，将收集的训练图像与正类模板进行比对，分成与模板同类的样本和与模板不同类的样本；三、设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入；四、将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过。
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山东浪潮科学研究院有限公司，未经山东浪潮科学研究院有限公司许可，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/201810366071.1/，转载请声明来源钻瓜专利网。
