【技术实现步骤摘要】
一种基于小样本学习的面容分类识别系统
本专利技术涉及一种面容识别系统，尤其是涉及一种基于小样本学习的面容识别系统。
技术介绍
人脸特征识别技术，可以追溯到20世纪50年代，当时的研究人员主要涉及的是社会心理学领域；从20世纪70年代开始，采用的基本上都是典型的模式识别技术，利用手工设计特征的方式来提取脸部特征，例如利用脸部重要特征点之间的距离进行分类识别。随着计算机的发展，从80年代到90年代初期，基于人脸的统计识别方法得到了很大的发展。传统的特征提取方法是基于大量人脸数据训练而来的，但对于一些特殊面容的脸部，该种方法将会失准，从而无法对其进行正确的分类识别；与此同时，现有的面容分类识别系统实用性和可迁移性较差。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于小样本学习的面容识别系统。本专利技术的目的可以通过以下技术方案来实现：一种基于小样本学习的面容分类识别系统，包括：用户端：用于获取人脸图像并展示分类识别结果；服务器：存储有预先经小样本学...
【技术保护点】
1.一种基于小样本学习的面容分类识别系统，其特征在于，包括：/n用户端：用于获取人脸图像并展示分类识别结果；/n服务器：存储有预先经小样本学习训练的分类识别网络，所述的分类识别网络输入为待分类识别的人脸图像，输出为人脸图像所对应的类别；/n所述的用户端和服务器通过网络连接。/n
【技术特征摘要】 【专利技术属性】
1.一种基于小样本学习的面容分类识别系统，其特征在于，包括：
用户端：用于获取人脸图像并展示分类识别结果；
服务器：存储有预先经小样本学习训练的分类识别网络，所述的分类识别网络输入为待分类识别的人脸图像，输出为人脸图像所对应的类别；
所述的用户端和服务器通过网络连接。
2.根据权利要求1所述的一种基于小样本学习的面容分类识别系统，其特征在于，所述的用户端包括：
图像获取模块：用于获取图像；
人脸检测器：用于检测图像中是否含有人脸，若含有人脸则输出至服务器，否则提示重新获取。
3.根据权利要求2所述的一种基于小样本学习的面容分类识别系统，其特征在于，所述的图像获取模块获取图像的方式包括如下至少一种方式：相机拍照、调取图库照片。
4.根据权利要求1所述的一种基于小样本学习的面容分类识别系统，其特征在于，所述的人脸检测器包括harr级联分类器。
5.根据权利要求1所述的一种基于小样本学习的面容分类识别系统，其特征在于，所述的分类识别网络包括依次连接的卷积神经网络和全连接分类网络，所述的卷积神经网络输入为人脸图像，输出为人脸特征，所述的全连接分类网络输入为人脸特征，输出为分类向量。
6.根据权利要求5所述的一种基于小样本学习的面容分类识别系统，其特征在于，所述的卷积神经网络为ResNet50。
技术研发人员：刘淑宝，院旺，唐俊姝，宋海川，谢源，马利庄，
申请(专利权)人：上海交通大学烟台信息技术研究院，
类型：发明
国别省市：山东;37
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。