[发明专利]人脸识别模型训练和人脸识别方法、系统、设备及介质有效
| 申请号： | 201910369810.7 | 申请日： | 2019-05-06 |
| 公开（公告）号： | CN110084216B | 公开（公告）日： | 2021-11-09 |
| 发明（设计）人： | 张震国;晋兆龙;吴剑平 | 申请（专利权）人： | 苏州科达科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 上海隆天律师事务所 31282 | 代理人： | 臧云霄;夏彬 |
| 地址： | 215011 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种人脸识别模型训练和人脸识别方法、系统、设备及介质，所述训练方法包括：构建人脸识别模型，所述模型包括特征提取层、全连接层和损失函数层，所述全连接层包括第一特征输出层、第二特征输出层和至少一个属性输出层，所述损失函数层包括特征提取损失函数层和至少一个属性损失函数层；采用训练集训练所述模型。本发明通过构建一个神经网络模型同时用于人脸特征提取和人脸属性分析，在该神经网络模型中输入图像后，可以同时输出用于识别的特征以及图像的属性，降低图像识别中的计算量，提高了图像识别效率；在模型训练过程中，同时训练特征提取和属性分析，多个损失函数相互影响，有利于训练得到更好的模型参数。 | ||
| 搜索关键词： | 识别 模型 训练 方法 系统 设备 介质 | ||
【主权项】：
1.一种人脸识别模型训练方法，其特征在于，包括如下步骤：S110：构建人脸识别模型，所述人脸识别模型包括：特征提取层，用于提取输入图像的人脸特征；全连接层，包括第一特征输出层、第二特征输出层和至少一个属性输出层，所述第一特征输出层和第二特征输出层用于输出人脸特征，所述属性输出层用于输出对应的人脸属性的分类结果，所述特征提取层的输出经过所述第一特征输出层之后分别与所述第二特征输出层和所述属性输出层的输入相连接；损失函数层，包括特征提取损失函数层和至少一个属性损失函数层，所述第二特征输出层的输出与所述特征提取损失函数层的输入相连接，所述属性输出层的输出与所对应的属性损失函数层的输入相连接；S120：采用包括多个训练图像的训练集训练所述人脸识别模型。
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苏州科达科技股份有限公司，未经苏州科达科技股份有限公司许可，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/201910369810.7/，转载请声明来源钻瓜专利网。
