[发明专利]基于二值神经网络的人脸信息识别方法、装置、设备

权利要求书

1.一种基于二值神经网络的人脸信息识别方法，其特征在于，所述方法包括：

获取目标图像，提取所述目标图像的图像特征值，将所述图像特征值输入二值神经网络；

对所述图像特征值进行二值量化处理，得到所述图像特征值的量化值；

在所述图像特征值的量化值为第一量化值的情况下，确定梯度调节系数的数值为第一梯度调节系数值，在所述图像特征值的量化值为第二量化值的情况下，确定所述梯度调节系数的数值为第二梯度调节系数值，所述梯度调节系数用于对量化后的梯度计算进行调节，以控制所述二值神经网络中的权重在训练过程中发生二值翻转的概率，所述二值翻转指的是所述权重在单次迭代前后对应于不同的量化值，所述第一梯度调节系数值与所述第二梯度调节系数值不同；

使用所述梯度调节系数对所述权重进行梯度更新，以得到训练完成后的所述权重，所述权重用于构成训练完成后的所述二值神经网络；

将待识别图像输入训练完成后的所述二值神经网络，识别所述待识别图像中的人脸信息。

2.根据权利要求1所述的方法，其特征在于，所述使用所述梯度调节系数对所述二值神经网络中的权重进行梯度更新，以完成对所述权重的训练，包括：

使用如下公式，对所述二值神经网络中的权重进行梯度更新：

；

其中，为所述权重，为所述权重的量化值，为所述图像特征值，为所述图像特征值的量化值，为所述梯度调节系数，为所述二值神经网络的层数，为训练迭代的次数，为所述二值神经网络的损失函数，为学习率。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

对所述梯度调节系数进行梯度更新，以得到训练完成后的所述梯度调节系数。

4.根据权利要求3所述的方法，其特征在于，所述对所述梯度调节系数进行梯度更新，包括：

获取梯度量级同步系数，所述梯度量级同步系数用于保障所述梯度调节系数的梯度的量级与所述权重的梯度的量级相同步；

使用所述梯度量级同步系数对所述梯度调节系数进行梯度更新，以得到训练完成后的所述梯度调节系数。

5.根据权利要求4所述的方法，其特征在于，所述获取梯度量级同步系数，包括：

使用如下公式，确定所述梯度量级同步系数：

；

其中，为所述梯度量级同步系数，为所述二值神经网络当前层中的权重的个数。

6.一种基于二值神经网络的人脸信息识别装置，其特征在于，所述装置包括：

特征值输入模块，用于获取目标图像，提取所述目标图像的图像特征值，将所述图像特征值输入二值神经网络；

二值量化模块，用于对所述二值神经网络中的图像特征值进行二值量化处理，得到所述图像特征值的量化值；

数值确定模块，用于在所述图像特征值的量化值为第一量化值的情况下，确定梯度调节系数的数值为第一梯度调节系数值，在所述图像特征值的量化值为第二量化值的情况下，确定所述梯度调节系数的数值为第二梯度调节系数值，所述梯度调节系数用于对量化后的梯度计算进行调节，以控制所述二值神经网络中的权重在训练过程中发生二值翻转的概率，所述二值翻转指的是所述权重在单次迭代前后对应于不同的量化值，所述第一梯度调节系数值与所述第二梯度调节系数值不同；

第一梯度更新模块，用于使用所述梯度调节系数对所述权重进行梯度更新，以得到训练完成后的所述权重，所述权重用于构成训练完成后的所述二值神经网络；

人脸信息识别模块，用于将待识别图像输入训练完成后的所述二值神经网络，识别所述待识别图像中的人脸信息。

7.一种计算机设备，其特征在于，所述计算机设备中包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的基于二值神经网络的人脸信息识别方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至5任一所述的基于二值神经网络的人脸信息识别方法。