[发明专利]基于深度卷积神经网络模型的大规模人脸识别方法

摘要

本发明属于计算机视觉、人工智能技术领域，具体为一种基于深度卷积神经网络模型的大规模人脸识别方法。本发明首先提出面向大规模人脸识别的残差学习深度网络模型，该模型由卷积层、下采样层、残差层以及全连接层组成，其中残差层由两路数据（一路是若干个卷积层级联的数据和一路原始数据）相加求和构成，并且模型中每一个卷积层之后都做批量归一化操作。本发明利用深度卷积神经网络学习能力强和残差学习收敛好的特性，在网络模型层数方面，把模型的层数增加；在残差层结构方面，本发明提出一个高效的残差层结构。在面向大规模人脸识别领域，本发明较之基线模型在准确率方面得到了极大提升，在百万级人脸数据库中人脸检索的准确率达到了74.25%。

主权项

基于深度卷积神经网络模型的大规模人脸识别方法，其特征在于，采用基于残差学习的深度卷积神经网络模型，具体包括3个步骤：预处理图片、训练深度卷积神经网络模型、面向大规模人脸识别：步骤1、预处理图片（1）检测图片中的人脸；（2）检测人脸中的5个关键点：两眼、鼻尖、两边嘴角；（3）进行人脸对齐操作；（4）将人脸图片大小归一化；步骤2、训练深度卷积神经网络模型（1）搭建基于残差学习的深度卷积神经网络模型；（2）前向传播计算损失误差；（3）反向传播损失误差更新模型参数；（4）获得训练好的深度卷积神经网络模型；步骤3、大规模人脸识别（1）测试图片通过深度卷积神经网络模型；（2）提取特征向量；（3）利用特征向量进行相似度计算；（4）输出识别结果。