一种联合性别属性训练的人脸识别网络模型构建方法技术

本发明专利技术公开了一种联合性别属性训练的人脸识别网络模型构建方法，包括以下步骤：从前至后按卷积层、批正则化层、参数修正线性单元层和挤压激活单元模块的顺序封装成残差块，并以预设的数量复制依次排布；从前至后按照卷积层、批正则化层、参数修正线性单元层、数个残差块的顺序依次堆叠，得到网络块；复制并依次排布以构成主干特征提取网络结构；在主干特征提取网络结构添加随机失活层，并在尾端加入并行分支的标准全连接层和带正则化的全连接层，得到网络结构模型；求得输出值的总损失值；采用带动量的随机梯度下降法优化网络结构模型参数；设定迭代次数，并重复总损失值计算和网络结构模型参数优化，直至获得最优的人脸识别网络模型。

A face recognition network model construction method based on joint gender attribute training

【技术实现步骤摘要】
一种联合性别属性训练的人脸识别网络模型构建方法
本专利技术涉及人脸识别
，尤其是一种联合性别属性训练的人脸识别网络模型构建方法。
技术介绍
近几年，随着计算机技术与深度学习技术的快速发展，人们的生活水平不断得到提高。与此同时，人们开始更加注重个人隐私信息的安全性，已有的传统身份鉴定方法已经不能满足当代社会人们的需求了，比如证件、密码等方式。这种安全需求推动了生物识别技术的发展，生物识别是计算机视觉技术中的热门研究之一，主要是依据人类特有的一些生理特征(比如人脸、指纹、声音等)通过模式识别算法进行身份鉴别。在生物识别技术中，人脸识别技术因其人脸特征的独特性成为了极其重要的识别方法。人脸识别技术主要通过提取算法提取需要对比人脸的视觉特征信息，再进行身份鉴别，即使是双胞胎的人脸相似度也无法达到100％，任何人脸都存在差异。所以，人脸识别技术被广泛应用在身份验证、公共安全等领域中，可以为个人身份验证提供安全、方便、高效的解决方案。但是，目前人脸识别技术主要通过学习可区别的特征或者使用损失函数强制将不同类别的人脸特征分开，将同类的人脸特征聚本文档来自技高网...

【技术保护点】
1.一种联合性别属性训练的人脸识别网络模型构建方法，其特征在于，包括以下步骤：/n从前至后按卷积层、批正则化层、参数修正线性单元层和挤压激活单元模块的顺序封装成残差块，并以预设的数量复制依次排布；/n从前至后按照卷积层、批正则化层、参数修正线性单元层、数个残差块的顺序依次堆叠，得到网络块；复制并依次排布网络块，以构成主干特征提取网络结构；/n在所述主干特征提取网络结构添加随机失活层，并在尾端加入并行分支的标准全连接层和带正则化的全连接层，得到网络结构模型；/n分别求得标准全连接层和带正则化的全连接层的输出值的总损失值；/n采用带动量的随机梯度下降法优化网络结构模型参数；/n设定迭代次数，并重复...

【技术特征摘要】
1.一种联合性别属性训练的人脸识别网络模型构建方法，其特征在于，包括以下步骤：
从前至后按卷积层、批正则化层、参数修正线性单元层和挤压激活单元模块的顺序封装成残差块，并以预设的数量复制依次排布；
从前至后按照卷积层、批正则化层、参数修正线性单元层、数个残差块的顺序依次堆叠，得到网络块；复制并依次排布网络块，以构成主干特征提取网络结构；
在所述主干特征提取网络结构添加随机失活层，并在尾端加入并行分支的标准全连接层和带正则化的全连接层，得到网络结构模型；
分别求得标准全连接层和带正则化的全连接层的输出值的总损失值；
采用带动量的随机梯度下降法优化网络结构模型参数；
设定迭代次数，并重复总损失值计算和网络结构模型参数优化，直至获得最优的人脸识别网络模型。


2.根据权利要求1所述的一种联合性别属性训练的人脸识别网络模型构建方法，其特征在于，所述分别求得标准全连接层和带正则化的全连接层的输出值的总损失值，包括以下步骤：
采用柔性最大值损失函数求得标准全连接层分支的输出值的第一损失值；
采用附加间隔的柔性最大值损失函数求得带正则化的全连接层分支的输出值的第二损失值；
将第一损失值与第二损失值按比例求和，得到输出值的总损失值。


3.根据权利要求2所述的一种联合性别属性训练的人脸识别网络模型构建方法，其特征在于，所述总损失值对应的损失函数推导过程如下：
所述柔性最大损失函数的表达式如下：



其中，参数N表示批处理样本的大小，n表示类数，xi表示第i个样本的特征向量，表示真实样本标签yi对应的网络权重值的转置，表示预...

【专利技术属性】
技术研发人员：黄俊洁，闫超，孙亚楠，
申请(专利权)人：四川翼飞视科技有限公司，
类型：发明
国别省市：四川;51