[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

说明书

本申请是关于一种基于二值神经网络的人脸信息识别方法、装置、设备，具体涉及神经网络技术领域。方法包括：获取目标图像，提取目标图像的图像特征值，将图像特征值输入二值神经网络；对图像特征值进行二值量化处理，得到图像特征值的量化值；根据图像特征值的量化值，确定梯度调节系数的数值，梯度调节系数用于控制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，二值翻转指的是权重在单次迭代前后对应于不同的量化值；使用梯度调节系数对权重进行梯度更新，以得到训练完成后的权重，权重用于构成训练完成后的二值神经网络；将待识别图像输入训练完成后的二值神经网络，识别待识别图像中的人脸信息。

技术领域

本发明涉及神经网络技术领域，具体涉及一种基于二值神经网络的人脸信息识别方法、装置、设备。

背景技术

人脸信息识别被大量应用到信息加密、系统安全、身份认证等系统中。基于深度神经网络的人脸识别系统面临着高计算复杂度的需求。

二值神经网络是一种采用二值量化的神经网络。其中，二值量化，指的是将神经网络的权重以及特征图，离散化为只包含-1和1（或者0和1）两种状态。因此，为了降低深度神经网络的计算复杂度，可以基于二值神经网络来进行人脸信息识别。

当神经网络中的权重和特征值进行二值量化后，对于很多神经网络来说，精度损失很大。如何降低二值神经网络在训练时的精度损失，从而提升二值神经网络的性能，是将二值神经网络在人脸信息识别的实际应用中得到部署的先决条件。

发明内容

本申请提供了一种基于二值神经网络的人脸信息识别方法、装置、设备，通过提高二值神经网络的训练精度，从而提升训练完成后的二值神经网络对图像中的人脸信息的识别精度。该技术方案如下。

一方面，提供了一种基于二值神经网络的人脸信息识别方法，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；

根据所述图像特征值的量化值，确定梯度调节系数的数值，所述梯度调节系数用于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；

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。

又一方面，提供了一种基于二值神经网络的人脸信息识别装置，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，用于根据所述图像特征值的量化值，确定梯度调节系数的数值，所述梯度调节系数用于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；

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。

在一种可能的实现方式中，所述数值确定模块，还用于：

在所述图像特征值的量化值为第一量化值的情况下，确定所述梯度调节系数的数值为第一梯度调节系数值；