【技术实现步骤摘要】
基于残差连接星型生成对抗网络的人脸识别数据增强方法
[0001]本专利技术涉及一种图像处理方法，特别是一种基于残差连接星型生成对抗网络的司机人脸识别数据增强方法。
技术介绍
[0002]在深度学习领域中，模型训练后泛化能力的水平一方面取决于训练手段，另一方面取决于训练数据的数量，庞大的训练数据直接能够保证模型得到很好的训练，参数得到更好的优化，另外训练过程中，大量数据的参与能够解决训练过程中过拟合的问题、提高模型的泛化能力。
[0003]大量标注好的图片数据难以获取，在只要少量数据的任务中，训练后的模型往往会出现泛化能力差的情况，因此充分地利用现有的数据来扩充训练数据可以实现数据增强的效果，能够有效地解决现有的训练数据不足导致的训练过程中过拟合以及训练后模型泛化能力差的问题。
[0004]图像增强方法主要分为有监督的数据增强和无监督的数据增强，有监督的数据增强中典型的变换包括对图像的翻转、旋转、裁剪、变形、缩放、加噪声等操作，无监督的数据增强通过模型学习的分布，利用模型生成与训练数据分布一致的图片，具有代表意...
【技术保护点】
【技术特征摘要】
1.一种基于残差连接星型生成对抗网络的人脸识别数据增强方法，其特征在于，包括模型训练阶段和数据增强阶段；所述模型训练阶段包括训练鉴别器D、训练分类器C、训练生成器G，该阶段通过不断训练得到人脸图片生成器；所述数据增强阶段通过将待增强的图片输入至训练好的人脸图片生成器中，然后通过变换目标域风格标签生成丰富的人脸图片数据集，再增加到待增强的人脸图片语料中获得更丰富的训练语料。2.根据权利要求1所述的一种基于残差连接星型生成对抗网络的人脸识别数据增强方法，其特征在于，所述模型训练阶段先获取交通摄像头拍摄的车辆行驶视频，完成司机人脸图片截帧以及数据清洗工作；然后选取处理后的司机人脸图片作为模型的训练数据。3.根据权利要求1或2所述的一种基于残差连接星型生成对抗网络的人脸识别数据增强方法，其特征在于，所述模型训练阶段的具体训练步骤如下：步骤101：对于生成对抗网络中的生成器G，在生成器G的编码网络和解码网络之间残差连接连接网络，并使用切换式标准化方法，形成残差星型生成对抗网络；步骤102：将真实人脸图片R和虚假人脸图片F输入到鉴别器D中进行训练，在训练过程中最大化鉴别器D的损失函数，使得鉴别器D能够将真实人脸图片和虚假人脸图片区分开来；步骤103：将真实人脸图片R和虚假人脸图片F输入到分类器...
【专利技术属性】
技术研发人员：袁昌龙，王琳，夏敏，
申请(专利权)人：中电鸿信信息科技有限公司，
类型：发明
国别省市：
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。