[发明专利]基于深度学习的人脸检索系统及方法在审
| 申请号： | 201710032351.4 | 申请日： | 2017-01-16 |
| 公开（公告）号： | CN106777349A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 何元烈;陈佳腾;任万灵 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/00 |
| 代理公司： | 广东广信君达律师事务所44329 | 代理人： | 杨晓松 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的人脸检索方法及系统，包含以下步骤检索模型的训练使用caffe深度学习框架训练模型，采用梯度下降的方式优化模型参数，得出检索模型；人脸特征的提取先将训练集中所有人的图片喂到神经网络中，进行前馈过程，保存第一个全连接层和第二个全连接层的输出；人脸注册充分提取注册者在不同光照，不同姿态下的特征向量和哈希编码；人脸检索提取出待检索人脸图像的哈希编码和特征向量，然后将其与训练集中的图片进行比对，采用哈希编码粗检索和特征向量细检索相结合的检索方式，经过粗检索和细检索后得到最相似的人脸图像，并输出对应的相似度值。 | ||
| 搜索关键词： | 基于 深度 学习 检索系统 方法 | ||
【主权项】：
一种基于深度学习的人脸检索方法，其特征在于包含以下步骤：一、检索模型的训练：使用caffe深度学习框架训练模型，采用梯度下降的方式优化模型参数，得出检索模型；二、人脸特征的提取：先将训练集中所有人的图片喂到神经网络中，进行前馈过程，保存第一个全连接层和第二个全连接层的输出；三、人脸注册：充分提取注册者在不同光照，不同姿态下的特征向量和哈希编码；四、人脸检索：提取出待检索人脸图像的哈希编码和特征向量，然后将其与训练集中的图片进行比对，采用哈希编码粗检索和特征向量细检索相结合的检索方式，经过粗检索和细检索后得到最相似的人脸图像，并输出对应的相似度值。
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广东工业大学，未经广东工业大学许可，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/201710032351.4/，转载请声明来源钻瓜专利网。
