公开(公告)号：CN110472495B

公开(公告)日：2023-03-14

申请号：CN201910608900.7

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  程凯

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/82 ,  G06N3/043 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。

公开(公告)号：CN110472495A

公开(公告)日：2019-11-19

申请号：CN201910608900.7

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  程凯

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。