[发明专利]基于深度可分离卷积的轻量化人脸识别方法及系统在审
| 申请号： | 201810921647.6 | 申请日： | 2018-08-14 |
| 公开（公告）号： | CN109063666A | 公开（公告）日： | 2018-12-21 |
| 发明（设计）人： | 程建;刘济樾;刘三元;苏炎洲;李月男 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 邹敏菲 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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可分离卷积的轻量化人脸识别方法及系统，该人脸识别方法包括：对三层级联卷积神经网络进行训练，得到训练好的三层级联卷积神经网络；对深度可分离卷积神经网络进行训练，得到深度可分离卷积神经网络模型；对深度可分离卷积神经网络模型中的卷积层的权重系数进行压缩，得到训练好的深度可分离卷积神经网络模型；输入待识别人脸图像至训练好的三层级联卷积神经网络进行图像预处理，然后输出预处理图像至训练好的深度可分离卷积神经网络模型进行人脸识别。本发明通过采用深度可分离卷积减少计算量，降低模型大小，并进一步对深度可分离卷积神经网络模型中的卷积层的权重系数进行压缩，使得模型缩小35到49倍。 | ||
| 搜索关键词： | 卷积神经网络 可分离 卷积 人脸识别 层级联 权重系数 轻量化 待识别人脸图像 输出预处理 图像预处理 压缩 计算量 图像 | ||
【主权项】：
1.一种基于深度可分离卷积的轻量化人脸识别方法，其特征在于，具体包括：S1、构建三层级联卷积神经网络，并输入第一人脸图像数据集的图像金字塔，对所述三层级联卷积神经网络进行训练，得到训练好的三层级联卷积神经网络；S2、构建基于AM‑Softmax损失函数的深度可分离卷积神经网络，并输入第二人脸图像数据集，对所述深度可分离卷积神经网络进行训练，得到深度可分离卷积神经网络模型；S3、对深度可分离卷积神经网络模型中的卷积层的权重系数进行压缩，得到训练好的深度可分离卷积神经网络模型；S4、输入待识别人脸图像的图像金字塔至训练好的三层级联卷积神经网络进行图像预处理，然后输出预处理图像至训练好的深度可分离卷积神经网络模型进行人脸识别。
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电子科技大学，未经电子科技大学许可，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/201810921647.6/，转载请声明来源钻瓜专利网。
