[发明专利]一种图像质量无关的深度学习人脸模型训练方法

摘要

本发明公开了一种图像质量无关的深度学习人脸模型训练方法。本发明对训练样本作了如下三种方式处理：随机将其中的一部分转化为灰度图像，并且最终使得该类样本中，灰度图像数量为M/2个。随机将其中M/2个样本进行降低图像质量处理。随机对其中M/2个样本加入高斯噪声。经过训练样本预处理后，使得在端到端的深度学习过程中，神经网络会尽量避免学习到与图像质量有关的特征，从而使得人脸识别模型最终能够做到图像质量无关。

主权项

1.一种图像质量无关的深度学习人脸模型训练方法，其特征在于：假设训练样本共有N类，每类共有M个样本，对每一类中的M个样本进行如下操作：随机将其中的一部分转化为灰度图像，并且最终使得该类样本中，灰度图像数量为M/2个；若原本灰度图像数量就已经超过M/2时，则将该类的所有样本从训练集中剔除；随机将其中M/2个样本进行降低图像质量处理，具体是：假设原图分辨率为W*H，降质比例为r，则降质后的图像分辨率为(W*r)*(H*r)，再将降质后的图像放大至原始图像分辨率，这样就使得在保持图像尺度不变的情况下，降低了图像的有效分辨率；随机对其中M/2个样本加入高斯噪声，具体是：假设高斯噪声满足分布：对于每个像素，按此分布生成一个随机数，并在乘以一定值后与原像素值相加。