[发明专利]深度学习人脸识别网络优化方法、装置及存储介质有效
| 申请号： | 201711455889.2 | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108062532B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 张凤春;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;G06T1/20 |
| 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： | 本发明公开了一种深度学习人脸识别网络优化方法、装置及存储介质，该方法包括以下步骤：图像数据由CPU内存传递至GPU显存，且仅传递unsigned char类型图像数据；对接收到的数据在GPU下由unsigned char类型图像数据转换为float类型图像数据；对GPU下float类型图像数据进行减均值操作；加载深度学习人脸识别模型文件和减均值操作后的图像数据，传入深度学习框架中，在GPU下进行并行计算；将计算结果由GPU显存回传至CPU内存中。本发明在GPU下并行计算，与现有对深度学习框架CPU下串行计算方式相比，本发明整体运算速度的得以很大提升，节约了运行时间，使得运行速度得到提升。 | ||
| 搜索关键词： | 深度 学习 识别 网络 优化 方法 装置 存储 介质 | ||
【主权项】：
1.一种深度学习人脸识别网络优化方法，其特征在于，包括以下步骤：图像数据由中央处理器CPU内存传递至图形处理器GPU显存，且仅传递unsigned char类型图像数据；对接收到的数据在GPU下由unsigned char类型图像数据转换为float类型图像数据；对GPU下float类型图像数据进行减均值操作；加载深度学习人脸识别模型文件和减均值操作后的图像数据，传入深度学习框架中，在GPU下进行并行计算；将计算结果由GPU显存回传至CPU内存中。
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/201711455889.2/，转载请声明来源钻瓜专利网。
