[发明专利]基于深度学习的个体身份识别方法在审
| 申请号： | 201610353576.5 | 申请日： | 2016-05-25 |
| 公开（公告）号： | CN106022380A | 公开（公告）日： | 2016-10-12 |
| 发明（设计）人： | 黄凯奇;陈威华;康运锋 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/06 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 任岩 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的个体身份识别方法，包括：利用已标记好身份的个体数据进行配对，建立正负训练样本，利用所述训练样本对建立的双通道卷积神经网络模型进行训练，直至所述神经网络模型收敛，得到训练后的神经网络模型参数；利用训练好的神经网络模型和相关参数，对待识别的个体图片和已注册的个体图片进行匹配，根据匹配相似度大小排序，确定待识别个体图片的身份并输出结果。本发明的识别方法将特征提取和距离度量统一在同一个端到端的网络中，实现整体的全局优化；利用深度网络来学习特征和度量矩阵，具有更强的泛化性，克服了在复杂大规模数据下的个体身份识别问题；可以达到实时的速度，具有很大的实用价值。 | ||
| 搜索关键词： | 基于 深度 学习 个体 身份 识别 方法 | ||
【主权项】：
一种基于深度学习的个体身份识别方法，其特征在于，包括以下步骤：步骤S1，利用已标记好身份的个体数据进行配对，建立正负训练样本，利用所述训练样本对建立的双通道卷积神经网络模型进行训练，直至所述神经网络模型收敛，得到训练后的神经网络模型参数；步骤S2，利用步骤S1训练好的神经网络模型和相关参数，对待识别的个体图片和已注册的个体图片进行匹配，根据匹配相似度大小排序，确定待识别个体图片的身份并输出结果。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201610353576.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种玻璃光纤导光棒的制备工艺
- 下一篇：一种光学隐身装置及其制备方法
