科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种用于人脸识别的深度卷积神经网络的训练方法,包括步骤：1)准备好人脸图像数据集,并划分有训练集和验证集,根据训练集的规模、复杂程度和应达到的人脸识别的性能指标,选择深度卷积神经网络模型的类型、结构、超参数和量级；2)利用模型对训练集输入的人脸图片提取特征,作为步骤3)输入；3)构建损失层,并对本次训练迭代计算损失值；4)将步骤3)计算得到的损失值与预先设定的阈值相比较,判断是停止训练还是计算梯度并更新模型参数；5)模型性能验证以及判断是否停止训练。本发明使得在训练时可以从欧式空间和角度空间两方面出发,用一种多元的作用力约束人脸特征,使深度卷积神经网络模型可以学习到更具区别力和鲁棒性的人脸特征。
- 单位
