[發(fā)明專利]一種基于局部并行神經(jīng)網(wǎng)絡(luò)的紅外人臉識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611049729.3
• 申請(qǐng)日: 2016-11-24
• 公開（公告）號(hào): CN106599797B
• 公開（公告）日: 2019-06-07
• 發(fā)明（設(shè)計(jì)）人: 白相志;王鵬
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/08
• 代理公司: 北京慧泉知識(shí)產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于局部并行神經(jīng)網(wǎng)絡(luò)的紅外人臉識(shí)別方法，特征在于：該方法具體步驟如下：

步驟一：提取初步卷積特征：用一組2×2卷積核對(duì)輸入圖像進(jìn)行特征提取，生成對(duì)應(yīng)的特征譜，并進(jìn)行修正線性激活和最大池化降采樣一系列處理后作為進(jìn)一步卷積操作的輸入；

步驟二：生成并行多尺度卷積特征：將最大池化降采樣后的特征譜依據(jù)不同的卷積核尺寸、步長以及數(shù)量進(jìn)行多尺度卷積運(yùn)算，并再次用修正線性激活提取代表不同尺度信息的紅外人臉特征譜，得到多尺度特征譜；

步驟三：生成分類特征向量：將步驟二中提取到的多尺度特征譜全部輸入到全連接層，并將輸出的響應(yīng)信號(hào)作為分類特征向量進(jìn)行隨機(jī)忽略處理以降低過擬合效應(yīng)；

步驟四：訓(xùn)練并測(cè)試分類器：將分類特征向量輸入到Softmax分類器并結(jié)合輸入監(jiān)督分類標(biāo)簽計(jì)算交叉熵?fù)p失函數(shù)，通過反向傳播和梯度下降不斷更新整個(gè)網(wǎng)絡(luò)中連接神經(jīng)元的權(quán)重和偏置，最終實(shí)現(xiàn)紅外人臉識(shí)別。