[发明专利]一种联合原始数据和生成数据的人脸识别方法

权利要求书

1.一种通过小规模人脸数据集训练卷积神经网络的方法，其特征在于，包括步骤：

步骤1：使用原始标注的人脸样本集训练卷积神经网络VGG人脸识别模型；

步骤2：构造深度卷积生成对抗网络DCGAN模型，使用原始标注的人脸样本集训练深度卷积生成对抗网络；

步骤3：通过DCGAN生成无标签的人脸样本集；

步骤4：对DCGAN生成人脸数据集标注；

步骤5：使用原始标注的人脸样本集训练即插即用生成网络PPGN；

步骤6：通过PPGN生成带有标签的人脸样本集；

步骤7：联合DCGAN、PPGN生成的样本集和原始标注的样本集训练卷积神经网络；

步骤8：重复训练，即重复步骤4，5，6，7多次；

步骤9：使用原始标注的人脸样本集微调VGG网络；

所述步骤4中对DCGAN生成人脸数据集标注的具体方法包括以下步骤：

步骤401，使用当前训练的卷积神经网络模型提取DCGAN生成数据集所有样本的特征；

步骤402，将特征排列成一个K×N的矩阵Y，采用稀疏编程SC模型训练字典D，稀疏编程模型为：

其中||*||₁表示L1范数，K为特征维度，N为样本数量，D为字典，Z为稀疏表示的系数；

步骤403，将DCGAN生成的样本集和原始样本集的特征进行稀疏表示；通过查找DCGAN生成样本s_i的特征y_i的稀疏表示系数z_i在原始标注样本集中的最近邻，设定样本s_i的标签。

2.如权利要求 1所述的方法，其特征在于：所述步骤8中重复训练时步骤5中PPGN训练可在原有训练基础上微调。