[发明专利]基于深度学习的人脸识别方法及装置

摘要

一种基于深度学习的人脸识别方法，包括人脸识别模型训练方法与人脸识别模型使用方法两方面。模型训练的基本思想是减小同类样本之间的差异值，增大非同类样本之间的差异值，以此来达到对人脸的准确识别。首先对特征提取网络进行训练，模型训练完成后，进行分类模型训练，在已经训练好的特征提取网络后添加softmax分类层，用于分类网络的训练。在softmax层中对特征进行分类，损失函数以减小输出与标签之间的距离为目标，训练结束后，得到人脸识别模型。人脸识别模型使用方法部分，将人脸图像输入到人脸识别模型，得到softmax分类结果，数值得分最高维度序号所代表的类别即为识别结果。

主权项

1.一种基于深度学习的人脸识别模型训练方法，其特征在于，所述方法包括以下步骤：1)获取人脸图像数据；2)在每一次迭代训练中，随机选取N个人脸图像作为训练数据，将其分为三部分，分别作为参考样本、正样本、负样本；3)将所述训练数据输入到卷积神经网络进行计算，在所述卷积神经网络最后一层得到特征值；4)计算第一损失函数值Loss1，所述Loss1值的构成以减小同类样本之间的距离，增大非同类样本之间的距离为目标，实现对特征提取网络的训练；5)分类网络训练是在所述特征提取网络训练完毕后，在所述训练好的特征提取网络后增加softmax分类层，进行微调学习；实现对分类网络的训练；6)经过以上步骤的训练，得到基于深度学习的人脸识别模型。