The invention belongs to the field of image recognition technology, in particular to a multi-path depth neural network method for face recognition based on adaptive weight. The technical scheme includes the following steps: first, to build a multi-path neural network suitable for face recognition; second, to build a corresponding multi-path loss function based on the task of face recognition; and finally, to use the adaptive weight algorithm to In the training process, the algorithm will adaptively adjust the loss weight of different path networks according to the corresponding threshold value to obtain the final model; the invention completes the end-to-end face recognition process through the establishment of multi-path neural network, carries out the deep network training through the adaptive weight algorithm, significantly improves the training effect, and can also be applied to different distant and near people Face greatly increases the performance of practical application, can well meet the market demand, and is conducive to the large-scale promotion and use of the invention in the market.
【技术实现步骤摘要】
一种基于自适应权重的人脸识别多路径深度神经网络方法
本专利技术属于图像识别
,具体涉及一种基于自适应权重的人脸识别多路径深度神经网络方法。
技术介绍
人脸识别是是基于人的脸部信息进行身份识别的一种新兴技术,它通过特定的算法提取人的特征,并进行识别,人脸识别是近几年来图像处理领域的热门课题之一,该技术现已经被广泛用于各种实际场景中,包括火车站、大型商场等等。完整的人脸识别的流程包括人脸检测、人脸特征提取和识别。目前,人脸识别采用的最广泛的方法是基于深度神经网络模型的算法。神经网络模型是基于上世纪40年代被提出的神经元模型,在80年代成为研究热潮,但受到计算机硬件的限制,在90年代开始遇冷,直到2012年随着ImageNet的竞赛,再次成为研究热点,现在的主流人脸识别模型都是基于卷积神经网络,卷积神经网络最早由LeCun提出,该网络被用于手写体识别任务,卷积神经网络最核心的操作就是卷积操作,卷积操作是一种提取图像特征非常有效的技术手段,因此,卷积神经网络被大量应用于图像识别、分类等领域。当前,在人脸识别领域,最常见的模型包括DeepFace、DeepID、FaceNet等等。DeepFace模型通过人脸的关键点信息,通过建模经过一系列操作以后得到对齐的3D人脸,然后将对齐以后的3D人脸利用深度神经网络进行特征的提取,最后利用siamense网络进行两张人脸距离的计算,来进行人脸识别。DeepID首先通过SDM方法检测出人脸的关键点信息,然后利用这些信息进行数据增强,也是利用深度卷积神经网络进行提取特 ...
【技术保护点】
1.一种基于自适应权重的人脸识别多路径深度神经网络方法,其特征在于,包括以下步骤:/nS1:构建一种适用于人脸识别的多路径神经网络;/nS2:基于人脸识别的任务建立相应的多路径损失函数;/nS3:利用自适应权重算法,进行训练,在训练过程中算法会根据相应的阈值自适应调整不同路径网络的损失权重,得到最终的模型。/n
【技术特征摘要】
1.一种基于自适应权重的人脸识别多路径深度神经网络方法,其特征在于,包括以下步骤:
S1:构建一种适用于人脸识别的多路径神经网络;
S2:基于人脸识别的任务建立相应的多路径损失函数;
S3:利用自适应权重算法,进行训练,在训练过程中算法会根据相应的阈值自适应调整不同路径网络的损失权重,得到最终的模型。
2.根据权利要求1所述的一种基于自适应权重的人脸识别多路径深度神经网络方法,其特征在于:所述构建一种适用于人脸识别的多路径神经网络是指构建两条或两条以上卷积神经网络的并行分支。
3.根据权利要求1所述的一种基于自适应权重的人脸识别多路径深度神经网络方法,其特征在于:在S2中的所述损失函数定义如下:
L=αLres+βLtriple
其中,Lres是人脸检测支路的损失函数Ltriple是人脸识别支路的损失函数,α和β是各自的权重超参数。
4.根据权利要求1所述的一种基于自适应权重的人脸识别多路径深度神经网络方法,其特征在于:所述自适应权重算法是通过自适应调节比值r来进行模型的训练,该算法是通过判...
【专利技术属性】
技术研发人员:虞钉钉,胡贤良,方建勇,应俊,
申请(专利权)人:旭辉卓越健康信息科技有限公司,
类型:发明
国别省市:浙江;33
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。