[发明专利]一种基于深度学习模型的人脸识别方法有效
| 申请号： | 201811250425.2 | 申请日： | 2018-10-25 |
| 公开（公告）号： | CN109359608B | 公开（公告）日： | 2021-10-19 |
| 发明（设计）人： | 林劼;钟德建;崔建鹏;马骏;马雨青;郝玉洁 | 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 |
| 代理公司： | 成都金英专利代理事务所(普通合伙) 51218 | 代理人： | 袁英 |
| 地址： | 610041 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学习模型的人脸识别方法，包括：构建卷积神经网络、对网络参数进行训练、图片预处理和输入模型进行类别判定；构建卷积神经网络，用于利用大规模人脸数据集进行改进的卷积深度神经网络构建；对网络参数进行训练，用于利用误差反向传播算法对神经网络参数进行训练；图片预处理，用于基于MTCNN算法的人脸检测和人脸归一化处理，将图片转化成统一的特征向量表示；输入模型进行类别判定，用于将特征向量输入训练好的卷积神经网络中进行类别标签判定。本发明改进了传统的卷积神经网络中的正则化项，提出了一种新的神经网络权重初始化的方法，能够显著提升人脸识别分类的效果。 | ||
| 搜索关键词： | 一种 基于 深度 学习 模型 识别 方法 | ||
【主权项】：
1.一种基于深度学习模型的人脸识别方法，其特征在于，包括：构建卷积神经网络、对网络参数进行训练、图片预处理和输入模型进行类别判定；所述构建卷积神经网络，用于利用大规模人脸数据集进行改进的卷积深度神经网络构建；所述对网络参数进行训练，用于利用误差反向传播算法对神经网络参数进行训练；所述图片预处理，用于基于MTCNN算法的人脸检测和人脸归一化处理，将图片转化成统一的特征向量表示；所述输入模型进行类别判定，用于将特征向量输入训练好的卷积神经网络中进行类别标签判定。
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/201811250425.2/，转载请声明来源钻瓜专利网。
