The invention discloses a method and a device for training convolutional neural network face recognition, which belongs to the field of face recognition, the method includes: to construct the training sample library; using the training sample library training convolutional neural network; feature vector extraction of all samples in the training set using convolutional neural network after training; the calculation between each the two feature vector distance; construction of training samples for training sample library; library by all face image sample collection of samples of composition, collection includes heterogeneous samples of similar samples and the sample face images, the face images of the heterogeneous sample and the sample face images distance less than a certain value of. The same sample of face image sample by sample face images and the face image sample distance is greater than a certain value of the training samples; Training training convolution neural network. This method can effectively avoid the recognition errors caused by makeup and external environment.
【技术实现步骤摘要】
本专利技术人脸识别领域，特别是指一种用于人脸识别的卷积神经网络的训练方法和装置。
技术介绍
随着深度学习的兴起，特别是深度卷积神经网络研究的深入，大量的基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的网络模型被应用到图像处理和图像识别等方面，特别是在人脸识别领域取得了令人瞩目的成绩。在人脸识别和认证领域里通常会有这样的问题，例如，由于化妆和外部环境影响可能会出现两个不同人的照片很相似，相同人的两张照片差异较大。这类异常样本是造成识别错误的重要原因。
技术实现思路
本专利技术提供一种用于人脸识别的卷积神经网络的训练方法和装置，该方法有效的避免了由于化妆和外部环境影响导致的识别错误。为解决上述技术问题，本专利技术提供技术方案如下：一种用于人脸识别的卷积神经网络的训练方法，包括：构建样本训练库；其中：所述样本训练库包括多个样本类，每个样本类中包括多个人脸图像样本；使用所述样本训练库训练卷积神经网络；使用训练后的卷积神经网络提取所述样本训练库中的所有样本...
【技术保护点】
一种用于人脸识别的卷积神经网络的训练方法，其特征在于，包括：构建样本训练库；其中：所述样本训练库包括多个样本类，每个样本类中包括多个人脸图像样本；使用所述样本训练库训练卷积神经网络；使用训练后的卷积神经网络提取所述样本训练库中的所有样本的特征向量；计算每两个特征向量之间的距离；构建样本对训练库；其中：所述样本对训练库由所有人脸图像样本的样本对集合组成，所述样本对集合包括异类样本对和同类样本对，所述异类样本对由人脸图像样本和与该人脸图像样本距离小于一定值的人脸图像样本构成，所述同类样本对由人脸图像样本和与该人脸图像样本距离大于一定值的人脸图像样本构成；使用所述样本对训练库训练卷积神经网络。
【技术特征摘要】
1.一种用于人脸识别的卷积神经网络的训练方法，其特征在于，包
括：
构建样本训练库；其中：所述样本训练库包括多个样本类，每个样本
类中包括多个人脸图像样本；
使用所述样本训练库训练卷积神经网络；
使用训练后的卷积神经网络提取所述样本训练库中的所有样本的特
征向量；
计算每两个特征向量之间的距离；
构建样本对训练库；其中：所述样本对训练库由所有人脸图像样本的
样本对集合组成，所述样本对集合包括异类样本对和同类样本对，所述异
类样本对由人脸图像样本和与该人脸图像样本距离小于一定值的人脸图
像样本构成，所述同类样本对由人脸图像样本和与该人脸图像样本距离大
于一定值的人脸图像样本构成；
使用所述样本对训练库训练卷积神经网络。
2.根据权利要求1所述的用于人脸识别的卷积神经网络的训练方法，
其特征在于，所述使用所述样本训练库训练卷积神经网络进一步为：
使用所述样本训练库，并通过softmax分类器训练卷积神经网络，所
述softmax分类器的分类数量与所述样本类的数量相同。
3.根据权利要求1所述的用于人脸识别的卷积神经网络的训练方法，
其特征在于，所述距离为欧氏距离、余弦距离或马氏距离。
4.根据权利要求1所述的用于人脸识别的卷积神经网络的训练方法，
其特征在于，所述使用所述样本对训练库训练卷积神经网络进一步为：
使用所述样本训练库，并通过softmax分类器训练卷积神经网络，所
述softmax分类器为二分类器。
5.一种人脸识别的方法，其特征在于，包括：
采集人脸图像；
使用卷积神经网络提取人脸图像的特征向量，所述卷积神经网络通过
权利要求1-4任一所述的方法训练得到；
使用所述特征向量进行人脸识别。
6.一种用于人脸识别的卷积神经网络的训练装置，其特...
【专利技术属性】
技术研发人员：丁松，江武明，单成坤，
申请(专利权)人：北京天诚盛业科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。