[发明专利]学习深度人脸表示

摘要

人脸表示是人脸识别系统的关键步骤。最优人脸表示应该是有辨别力的、鲁棒的、紧凑并且很容易实现的。虽然已经提出很多手工和基于学习的表示，但是仍存在很大的改进空间。呈现了用于人脸表示的很容易实现的深度学习框架。该框架基于金字塔卷积神经网络(CNN)。金字塔CNN采用贪婪滤波器和下采样操作，其使得训练过程能够很迅速并且是计算高效的。此外，金字塔CNN的结构可以自然地并入在多尺度人脸表示之间共享的特征，增加了得到的表示的可辨别力。

主权项

1.一种用于训练金字塔卷积神经网络(CNN)的计算机实现的方法，该金字塔卷积神经网络包括至少N个共享层和耦合到第N共享层的至少一个非共享层，其中N≥2，所述方法包括：以CNN层级1到N的顺序训练CNN层级1到N，其中，CNN层级n包括用于接收人脸图像的输入、金字塔CNN的前n个共享层、金字塔CNN的非共享层、和产生所述人脸图像的表示的输出；其中，所述输入耦合到所述n个共享层中的第一个；每个共享层包括卷积层、非线性层和下采样层；所述n个共享层中的第n个耦合到所述非共享层；并且所述非共享层耦合到所述输出；其中，训练CNN层级n包括：向所述输入呈现人脸图像，每个人脸图像在所述输出处产生对应的表示；处理所述表示，以产生度量的估计值，所述度量的实际值是已知的；以及基于所述度量的估计值与所述度量的实际值的比较，适配第n共享层和所述非共享层。