[发明专利]一种利用卷积神经网络对不平衡小样本的人脸识别方法

摘要

本发明涉及一种利用卷积神经网络对不平衡小样本的人脸识别方法。该方法如下：针对训练数据集中的正负样本不平衡问题，利用DCGAN对抗生成网络生成与原始训练数据服从近似分布的数据样本，增加少量样本多样性。针对深度学习需要大量训练数据，在小样本容易发生过拟合的问题，利用迁移学习解决，首先将在Image‑Net大型数据集上训练好的Alex‑Net网络迁移到目标数据集上；然后更改输出层的神经元个数为目标数据集类别，最后利用目标数据集对后面的全连接层重新初始化进行训练。本发明从不平衡和少量数据集着手，解决了使用深度学习方法在少量数据集容易过拟合和样本不平衡时置信度低的问题。

主权项

1.一种利用卷积神经网络对不平衡小样本的人脸识别方法，其特征在于，包括以下步骤：步骤1，获得人脸数据集，将图像固定到相同大小；步骤2，设计对抗神经网络模型，对数据集中少量的一方进行训练，然后利用训练好的生成网络生成与训练数据服从近似分布的新样本；步骤3，将在Image‑Net数据集上训练好的Alex‑Net模型作为预训练模型迁移到平衡后的人脸数据集，冻结前面卷积层和参数，作为特征提取器；步骤4，将迁移模型的输出神经元个数修改为人脸数据集标签个数；步骤5，对修改后的迁移模型的全部全连接层进行重新初始化；步骤6，针对修改后的迁移模型，在平衡后的人脸数据集上进行后面全连接层的训练，得到训练好的小样本人脸识别模型；步骤7，预测：针对训练好的人脸识别模型，在新的未知图像做预测。