[发明专利]深度学习人脸识别网络优化方法、装置及存储介质

权利要求书

1.一种深度学习人脸识别网络优化方法，其特征在于，包括以下步骤：

图像数据由中央处理器CPU内存传递至图形处理器GPU显存，且仅传递unsignedchar类型图像数据，在传递过程中将unsigned char类型图像数据对应的图像内存进行锁定，待完全传递至GPU显存下时，再将unsigned char类型图像数据对应的图像内存进行解锁；

对接收到的数据在GPU下由unsigned char类型图像数据转换为float类型图像数据；

对GPU下float类型图像数据进行减均值操作，将减均值操作划分为多个互不相关且顺序任意的任务并行执行；

加载深度学习人脸识别模型文件和减均值操作后的图像数据，传入深度学习框架中，在GPU下进行并行计算；

将计算结果由GPU显存回传至CPU内存中。

2.根据权利要求1所述的深度学习人脸识别网络优化方法，其特征在于，所述对接收到的数据在GPU下由unsigned char类型图像数据转换为float类型图像数据的步骤基于通用并行计算架构CUDA进行。

3.一种基于GPU的深度学习人脸识别网络优化装置，包括处理器，所述处理器用于运行程序，其特征在于，所述处理器运行时执行如权利要求1或2所述的深度学习人脸识别网络优化方法。

4.一种存储介质，所述存储介质存储程序，其特征在于，所述程序运行时控制所述存储介质所在的设备执行如权利要求1或2所述的深度学习人脸识别网络优化方法。