【技术实现步骤摘要】
本专利技术涉及人脸识别领域，尤其涉及一种人脸识别方法、装置、设备、存储介质及程序产品。
技术介绍
1、随着社会信息化建设的快速发展，人脸识别系统在安防、金融、社交等领域的应用日益广泛。特别是在分布式计算环境下，如何实现高效、安全、公平的模型训练成为当前研究热点。针对跨机构、跨地域的多方协作场景，传统的人脸识别模型训练方法在数据隐私保护、模型性能优化以及激励机制设计等方面面临严峻挑战。
2、目前，分布式人脸识别模型的训练方法主要采用集中式聚合或联邦平均算法，其训练模式较为单一，模型权重分配固定，无法根据不同参与方的数据质量进行动态调整。如果某些参与方提供的数据质量较低或样本分布不均衡，会直接影响全局模型的收敛速度和识别精度；而若对所有参与方采用相同的聚合权重，又难以充分激发高质量数据持有方的参与积极性。此外，现有方法在特征提取层面通常采用单一的卷积神经网络结构，对不同光照条件、姿态变化的人脸特征表达能力有限，制约了模型的泛化性能。
技术实现思路
1、本专利技术的主要目的在于提供了...
【技术保护点】
1.一种人脸识别方法，其特征在于，所述人脸识别方法应用于联邦学习区块链中的参与节点，所述联邦学习区块链包括多个参与节点，所述人脸识别方法包括：
2.如权利要求1所述的人脸识别方法，其特征在于，所述通过多组预构建的Gabor滤波器对输入人脸图像进行多尺度特征提取，获得目标特征向量，包括：
3.如权利要求2所述的人脸识别方法，其特征在于，所述对所述多组不同方向和空间频率的纹理特征图进行特征分析，生成目标特征向量，包括：
4.如权利要求1至3中任一项所述的人脸识别方法，其特征在于，所述基于多个评估维度对各参与节点进行评估，获得多维量化参数
【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法应用于联邦学习区块链中的参与节点，所述联邦学习区块链包括多个参与节点，所述人脸识别方法包括：
2.如权利要求1所述的人脸识别方法，其特征在于，所述通过多组预构建的gabor滤波器对输入人脸图像进行多尺度特征提取，获得目标特征向量，包括：
3.如权利要求2所述的人脸识别方法，其特征在于，所述对所述多组不同方向和空间频率的纹理特征图进行特征分析，生成目标特征向量，包括：
4.如权利要求1至3中任一项所述的人脸识别方法，其特征在于，所述基于多个评估维度对各参与节点进行评估，获得多维量化参数，包括：
5.如权利要求4所述的人脸识别方法，其特征在于，所述基于各参与节点的诚信度对各数据供给节点进行风险权重评估，获得各参与节点的风险权重，包括：
6.如权利要求5所述的人脸识别方法，其特征在于，...
【专利技术属性】
技术研发人员：刘毅，戢晓峰，王俊儒，杨镇宇，宋子豪，周永康，
申请(专利权)人：中国人民解放军国防科技大学，
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。