基于卷积神经网络和注意力模型的人脸识别方法

作者：贺前华; 杨泽睿; 庞文丰

来源：2020-04-15, 中国, ZL202010295613.8.

本发明涉及人脸识别技术,为基于卷积神经网络和注意力模型的人脸识别方法,包括：对人脸图像进行预处理；将预处理后的图像数据输入到卷积神经网络中提取高维特征；将高维特征输入到注意力模型中,通过神经网络的训练方法计算注意力掩膜,获得空间域和通道域的注意力分布特征M(F-c)；将注意力分布特征M(F-c)输入到Bottleneck模块中,使用Shortcut机制获取特征H(M(F-c))；将特征H(M(F-c))输入到全卷积网络分类结构中,使用Dropout策略和softmax函数,得到最终的人脸识别结果。本发明采用Attention模型和Bottleneck模块来取代VGG模型中的中高层网络,极大的减少了模型所需的参数数量,有效降低了训练时的显存和时间消耗；同时也有效提升了网络对数据的学习能力,增加了系统的稳定性和实用性。

• 单位
  华南理工大学