基于deit附属网络知识蒸馏的小目标人脸识别方法技术

本发明专利技术涉及一种基于deit附属网络知识蒸馏的小目标人脸识别方法，包括：构建deit网络作为学生网络，并构建教师网络并在其后增加残差连接模块，利用教师网络先在高像素人脸图像上训练学生网络；对训练好的学生网络输入小目标人脸图像，得到第二分类特征和第二蒸馏特征；对所述教师网络输入与训练好的deit网络相同身份但未降采样的图像，得到第二教师特征；根据所述第二分类特征与真实标签构建第三损失函数，根据所述第二蒸馏特征与第二教师特征构建第四损失函数，并将所述第三损失函数和第四损失函数相加得到第二总损失；在所述第二总损失下，对训练好的deit网络进行二次训练。本发明专利技术能够对小目标人脸图像进行有效识别。发明专利技术能够对小目标人脸图像进行有效识别。发明专利技术能够对小目标人脸图像进行有效识别。

【技术实现步骤摘要】
基于deit附属网络知识蒸馏的小目标人脸识别方法


[0001]本专利技术涉及计算机视觉
，特别是涉及一种基于deit附属网络知识蒸馏的小目标人脸识别方法。

技术介绍

[0002]随着深度学习算法及相应大规模数据集的不断更新和提出，人脸识别获得了极大的发展。在人脸姿态固定(正脸)、清晰图像、闭环境(没有“不确定”类别)情况下，人脸识别准确率已可高达99％以上。
[0003]但是，在监控环境下，由于摄像头分辨率低、人脸目标距离远、目标相对运动模糊等实际问题，实际所采集到的小目标人脸图像往往具有多种姿态(例如侧脸、仰头)、低分辨率(低于32*32像素)和噪声干扰的状态。同时，由于野外监控环境下不是所有检测到的人脸目标都可以和数据库中人物身份匹配，小目标人脸识别问题同时成为一个开环境问题。
[0004]由于以上原因，在真实环境下，姿态固定、图像清晰、闭环境下表现优秀的人脸识别算法表现往往急剧下降。算法性能的下降不仅体现在，当算法在高像素人脸图像上训练后，直接在监控环境中小目标人脸图像进行测试，性能会极大的降低，还体现在，即便用此类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于deit附属网络知识蒸馏的小目标人脸识别方法，其特征在于，包括：步骤(1)：构建deit网络作为学生网络，将选取的训练集进行预处理后输入到所述学生网络，得到第一分类特征和第一蒸馏特征；步骤(2)：选取已在所述数据集中预训练好的教师网络，并对教师网络输入所述预处理后的训练集，得到第一教师特征；步骤(3)：在所述教师网络最后一层判别层之后增加一残差连接模块，所述残差连接模块参与训练；步骤(4)：根据所述第一分类特征与真实标签构建第一损失函数，根据所述第一蒸馏特征与第一教师特征构建第二损失函数，并将所述第一损失函数和第二损失函数相加得到第一总损失；在所述第一总损失下，利用所述教师网络先在第一人脸图像上训练学生网络；步骤(5)：对训练好的学生网络输入第二人脸图像，得到第二分类特征和第二蒸馏特征；所述第一人脸图像的像素分辨率高于第二人脸图像；步骤(6)：对所述教师网络输入与训练好的学生网络相同的但未降采样的第二人脸图像，得到第二教师特征；步骤(7)：根据所述第二分类特征与真实标签构建第三损失函数，根据所述第二蒸馏特征与第二教师特征构建第四损失函数，并将所述第三损失函数和第四损失函数相加得到第二总损失；在所述第二总损失下，对训练好的学生网络进行二次训练；...

【专利技术属性】
技术研发人员：宋尧哲，孟方舟，舒子婷，吴萌萌，童官军，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：