[发明专利]基于深度学习的人脸识别方法、装置和电子设备有效
| 申请号： | 201710651972.0 | 申请日： | 2017-08-02 |
| 公开（公告）号： | CN107247949B | 公开（公告）日： | 2020-06-19 |
| 发明（设计）人： | 周孺;杨东;王栋 | 申请（专利权）人： | 智慧眼科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 长沙智嵘专利代理事务所(普通合伙) 43211 | 代理人： | 刘宏 |
| 地址： | 410205 湖南省长沙市岳麓区长*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的人脸识别方法、装置和电子设备，该方法包括：构建卷积神经网络模型，卷积神经网络模型包括依序连接的第一卷积单元、第一池化层、多个卷积组合、第二池化层和全连接层，其中，第一卷积单元包括第一卷积层、批归一化层和激励函数层，激励函数层同时采用ReLU函数和NReLU函数作为激励函数，相邻的卷积组合之间采用残差网络的短路层进行连接；训练卷积神经网络模型，将训练数据输入卷积神经网络模型，并采用随机梯度下降法进行训练，训练后的卷积神经网络模型去除掉最后的全连接层后只做前向传播即可作为人脸识别时需要的人脸特征数据。本发明使用ReLU+NReLU作为激励函数，能降低运算量，保证精度、减小模型大小和提升运行速度。 | ||
| 搜索关键词： | 基于 深度 学习 识别 方法 装置 电子设备 | ||
【主权项】：
一种基于深度学习的人脸识别方法，其特征在于，包括：构建卷积神经网络模型，所述卷积神经网络模型包括依序连接的第一卷积单元、第一池化层、多个卷积组合、第二池化层和全连接层，其中，所述第一卷积单元包括第一卷积层、批归一化层和激励函数层，所述激励函数层同时采用ReLU函数和NReLU函数作为激励函数，相邻的所述卷积组合之间采用残差网络的短路层进行连接；训练所述卷积神经网络模型，将训练数据输入所述卷积神经网络模型，并采用随机梯度下降法进行训练，训练后的所述卷积神经网络模型去除掉最后的所述全连接层后只做前向传播即可作为人脸识别时需要的人脸特征数据。
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智慧眼科技股份有限公司，未经智慧眼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/201710651972.0/，转载请声明来源钻瓜专利网。
