一种替换调节参数的尺度参数自适应的人脸识别方法技术

本发明专利技术公开了一种替换调节参数的尺度参数自适应的人脸识别方法，其特征在于，建立基于神经网络的人脸识别模型，在softmax损失函数的基础上，经过特征归一化，权重归一化，使偏置项为0，同时引入了尺度参数、边界裕度参数和用于提取样本负类中信息的调节参数，构建用于优化尺度参数和边界裕度参数的margin

【技术实现步骤摘要】
一种替换调节参数的尺度参数自适应的人脸识别方法


[0001]本专利技术涉及一种人脸识别方法，特别涉及一种替换调节参数的尺度参数自适应的人脸识别方法。

技术介绍

[0002]目前，人脸识别是图像分析与理解的重要应用之一，是计算机视觉领域研究最广泛和深入的技术之一。市场化后的人脸识别技术能够很好的与人本位的人因工程理念结合起来。人因工程主张以人为本，把人的需求和能力摆在首要地位，不仅实现了通过管理培训使人适应机器，也实现了机器的各种构造和使用操作贴合人。人脸识别技术在诸如市场人员识别管理，天眼追踪疑犯等方面不仅达到了较高的精度，而且在满足人的需求方面，如日常娱乐，人脸遮挡识别等更高要求上也达到了很好的效果，并且不断简化使用操作，优化使用界面，更加贴合人的习惯和审美。
[0003]近年来，随着深度卷积神经网络的不断发展，人脸识别的性能也实现了不断突破。
[0004]卷积神经网络在人脸识别中的成功主要取决于三个因素：大量的训练数据、优异的网络结构和有效的损失函数。CASIA WebFace、MS1M、MegaFace、MS
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种替换调节参数的尺度参数自适应的人脸识别方法，其特征在于，建立基于神经网络的人脸识别模型，在softmax损失函数的基础上，经过特征归一化，权重归一化，使偏置项为0，同时引入了尺度参数、边界裕度参数和用于提取样本负类中信息的调节参数，构建用于优化尺度参数和边界裕度参数的margin
‑
based损失函数；构建用于优化调节参数的mining
‑
based损失函数。2.根据权利要求1所述的替换调节参数的尺度参数自适应的人脸识别方法，其特征在于，设s为尺度参数；设m为边界裕度参数；设t为调节参数；将margin
‑
based损失函数与mining
‑
based损失函数结合构建综合损失函数，设L为综合损失函数，则L的计算方法如下：based损失函数结合构建综合损失函数，设L为综合损失函数，则L的计算方法如下：based损失函数结合构建综合损失函数，设L为综合损失函数，则L的计算方法如下：based损失函数结合构建综合损失函数，设L为综合损失函数，则L的计算方法如下：式中：r为迭代的次数；为第r次迭代过程中数量为N的小批量样本中所有样本负类的logits和的平均值；为第r次迭代过程中数量为N的小批量样本中总样本中间的样本距离真值的角度大小；K为总类别数量；N为每次迭代输入到模型中的小批次样本数量；γ
(r)
为当前迭代回合中样本中所有正值的平均值；α为动量参数；t
(r)
为第r次迭代过程中数量为N的小批量样本所自适应学习到的调节参数；为第r次迭代过程中数量为N的小批量样本所自适应学习到的尺度参数；θ
j
为数量为N的小批量样本中负类样本的特征和对应类权重的夹角角度；为大小为N的小批量样本中正类样本的特征和对应类权重的夹角角度；N(t，cosθ
j
)为调节样本负类余弦相似度的函数。3.根据权利要求1所述的替换调节参数的尺度参数自适应的人脸识别方法，其特征在于，基于ResNet神经网...

【专利技术属性】
技术研发人员：徐超，田帅，孟昭鹏，胡静，肖健，
申请(专利权)人：天津大学，
类型：发明
国别省市：