[发明专利]深度神经网络训练方法及人脸识别方法在审
| 申请号： | 201710022621.3 | 申请日： | 2017-01-12 |
| 公开（公告）号： | CN106778684A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 黄飞;田泽康;侯立民;邓卉;谢建 | 申请（专利权）人： | 易视腾科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京联创佳为专利事务所(普通合伙)11362 | 代理人： | 郭防 |
| 地址： | 214135 江苏省无锡市无锡菱湖大道*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种深度神经网络模型训练方法，包括获取带有分类信息的人脸数据集；根据所述分类信息对所述人脸数据集进行分类，并将所述人脸数据集进行对齐归一化处理，形成训练数据集；将所述训练数据集带入到根据不同清晰度设立的多个深度神经网络模型中，根据所述深度神经网络模型的损失函数及训练参数对所述深度神经网络模型进行训练，得到优化深度神经网络模型。还涉及运用上述深度神经网络模型进行人脸识别的方法。本发明所建立的深度神经网络模型能够减少清晰度、人脸姿态对识别的影响，从而提高识别成功率。 | ||
| 搜索关键词： | 深度 神经网络 训练 方法 识别 | ||
【主权项】：
一种深度神经网络训练方法，其特征在于，包括如下步骤：获取带有分类信息的人脸数据集；根据所述分类信息对所述人脸数据集进行分类，并将所述人脸数据集进行对齐归一化处理，形成训练数据集；将所述训练数据集带入到深度神经网络模型中，根据所述深度神经网络模型的损失函数及训练参数对所述深度神经网络模型进行训练，得到优化深度神经网络模型；其中，针对不同清晰度的所述训练数据集，所述深度神经网络模型包括多个独立的深度神经网络模型，每个独立的深度神经网络模型对应一个所述损失函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于易视腾科技股份有限公司，未经易视腾科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710022621.3/，转载请声明来源钻瓜专利网。
