[发明专利]一种基于Center Loss改进的人脸模型训练方法

摘要

本发明涉及一种基于Center Loss改进的人脸模型训练方法，包括：(1)剪切、筛选原总数据集中的人脸图片，划分为训练集、验证集和测试集；(2)对训练集中的人脸图片进行预处理；(3)搭建网络结构，优化目标损失函数；(4)将训练集中的数据输入到网络结构中进行训练；(5)保存人脸模型；(6)使用测试集对人脸模型进行测试。在人脸模型具有一定分类能力的基础上增强模型类内聚合能力，达到了有效增大类间距离，缩小类内距离的目标，提升了人脸识别的准确率和鲁棒性。

主权项

1.一种基于Center Loss改进的人脸模型训练方法，其特征在于，包括步骤如下：(1)使用MTCNN算法剪切原总数据集中的人脸图片，将剪切出的两张及以上张人脸图片筛选出来进行排查，保证人脸ID唯一，将剪切后的所有的人脸图片划分为训练集、验证集和测试集；(2)对训练集中的人脸图片进行预处理；(3)搭建网络结构，优化目标损失函数；(4)将步骤(2)经过预处理的训练集中的数据输入到步骤(3)构建的网络结构中进行训练，输入到网络结构中的数据采用mini bath策略，设置batch size大小为B，B不小于训练集中的样本数，batch的数目为N，N为训练集样本数除以B，训练的迭代轮数为E，E是指神经网络中传递完整的数据集的次数；训练中的损失函数为步骤(3)优化后的目标损失函数；在反向传播过程中，使用自适应参数更新算法Adam优化器，指数衰减学习率不断进行梯度更新减小损失函数，直到完成设置的迭代轮数E；(5)保存人脸模型；(6)使用测试集对人脸模型进行测试。