[发明专利]一种基于半监督训练的人脸识别方法

摘要

本发明涉及一种基于半监督训练的人脸识别方法，属于计算机视觉领域；首先使用人脸识别数据集作为有标签数据，从互联网上爬取人脸图片作为无标签数据，对于有标签数据和无标签数据，经过人脸检测、对齐得到训练数据；引入基于无标签图片的损失函数，与有标签图片的损失函数一起进行半监督训练；引入任务平衡因子α与数据平衡因子β，平衡有监督任务与无监督任务之间的关系。相比于其他使用无标签数据的人脸识别方法，本发明无需将无标签图片聚类，使用无标签图片的方式更加高效，模型的性能更好；本发明方法在多个人脸识别测试集上均取得了良好的性能提升，具有良好的普适性。

主权项

1.一种基于半监督训练的人脸识别方法，其特征在于，包括以下步骤：/n步骤1：预处理训练数据；/n训练数据包括有标签数据和无标签数据，对于所述有标签数据和所述无标签数据，进行人脸检测与对齐；/n步骤2：设计网络结构模型；/n网络结构模型共包含两个部分：主干网络以及损失函数；其中，主干网络负责特征提取，损失函数决定网络的优化内容，所述损失函数分为基于有标签图片的有监督损失函数以及基于无标签图片的无监督损失函数；/n步骤3：设计用于训练网络的损失函数；/n采用多种损失函数相结合，网络的损失函数包含两部分：包含有监督损失L_label、无监督损失L_unlabel；整体损失函数L_total为：/nL_total＝L_label+αL_unlabel/n其中，α为无监督损失的权重；/n步骤4：用步骤1的有标签训练数据、步骤3中的有监督损失函数，训练步骤2的网络模型；得到模型参数Params_label；/n步骤5：用步骤1的有标签训练数据与无标签训练数据、步骤3中的整体损失函数，进一步训练步骤2的网络模型；其中，网络的参数使用Params_label进行初始化；/n步骤6：进行人脸比对应用，判断两个人是否为同一个人：将两张经过预处理后的人脸图片分别经过步骤5训练的网络模型的主干网络提取特征，并计算两个特征的相似度，当相似度的值大于阈值时，认为是同一个人；否则认为不是同一个人。/n