【技术实现步骤摘要】
一种多人种的人脸识别方法
本专利技术涉及人脸识别领域，尤其涉及一种多人种的人脸识别方法，本专利技术将多源数据集、迁移学习与深度多任务学习结合起来，用于实现对多人种的人脸识别。
技术介绍
现今的深度学习技术取得的巨大成功在一定程度上是大规模数据的支撑，然而当某一任务数据量不足又需要完成多个特定任务时，普通的深度学习方法不能满足实际需要。因此，如何在某一任务数据量不足的情况下学习得到在多个任务上都有优异性能的模型是一个亟待解决的问题。针对某一任务数据量不足的问题，比如深度学习中的人脸识别问题，开源的大规模人脸数据集大都是有欧美人种为主，亚裔或者华裔人种的数据集通常规模很小。假如想同时完成多人种的人脸识别问题。通过直接训练大规模的欧美人种人脸数据集或者直接训练小规模的亚裔或者华裔人种的人脸数据集都很难取得满意的模型精度。前者是因为任务之间的差异性导致在亚裔人脸识别任务上精度欠缺；后者是因为数据量太小，影响模型性能。面对这种任务通常的解决方法是采用迁移学习的策略，迁移学习首先在具有相似性的大规模数据集上进行训练得到深度模型，然后利用预训练好的深度模型在小规模数据集上进行迁...
【技术保护点】
1.一种多人种的人脸识别方法，其特征在于，所述方法将多源数据集、迁移学习与深度多任务学习结合，用于实现对多人种的人脸识别，所述方法包括以下步骤：构建具有相似性的不同人脸识别的数据集；使用大规模的数据集训练深度神经网路得到深度模型；使用多源数据集利用深度多任务学习在得到的深度模型上继续训练；获得在两个不同任务上都有高精度的深度模型，所述高精度的深度模型用于最终的人脸识别，提高人脸识别的精度。
【技术特征摘要】
1.一种多人种的人脸识别方法，其特征在于，所述方法将多源数据集、迁移学习与深度多任务学习结合，用于实现对多人种的人脸识别，所述方法包括以下步骤：构建具有相似性的不同人脸识别的数据集；使用大规模的数据集训练深度神经网路得到深度模型；使用多源数据集利用深度多任务学习在得到的深度模型上继续训练；获得在两个不同任务上都有高精度的深度模型，所述高精度的深度模型用于最终的人脸识别，提高人脸识别的精度。2.根据权利要求1所述的一种多人种的人脸识别方法，其特征在于，所述构建具有相似性的不同人脸识别的数据集具体为：使用爬取手段直接从互联网上爬取数据；或，利用相机或者其他拍摄设备获取数据。3.根据权利要求1所述的一种多人种的人脸识别方法，其特征在于，所述使用大规模的数据集训练深度神经网路得到深度模型具体为：对数据集进行预处...
【专利技术属性】
技术研发人员：朱鹏飞，马文亚，胡清华，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12
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。