[發明專利]基于深度可分離卷積的輕量化人臉識別方法及系統在審
| 申請號： | 201810921647.6 | 申請日： | 2018-08-14 |
| 公開（公告）號： | CN109063666A | 公開（公告）日： | 2018-12-21 |
| 發明（設計）人： | 程建;劉濟樾;劉三元;蘇炎洲;李月男 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 成都弘毅天承知識產權代理有限公司 51230 | 代理人： | 鄒敏菲 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 可分離 卷積 人臉識別 層級聯 權重系數 輕量化 待識別人臉圖像 輸出預處理 圖像預處理 壓縮 計算量 圖像 | ||
1.一種基于深度可分離卷積的輕量化人臉識別方法，其特征在于，具體包括：
S1、構建三層級聯卷積神經網絡，并輸入第一人臉圖像數據集的圖像金字塔，對所述三層級聯卷積神經網絡進行訓練，得到訓練好的三層級聯卷積神經網絡；
S2、構建基于AM-Softmax損失函數的深度可分離卷積神經網絡，并輸入第二人臉圖像數據集，對所述深度可分離卷積神經網絡進行訓練，得到深度可分離卷積神經網絡模型；
S3、對深度可分離卷積神經網絡模型中的卷積層的權重系數進行壓縮，得到訓練好的深度可分離卷積神經網絡模型；
S4、輸入待識別人臉圖像的圖像金字塔至訓練好的三層級聯卷積神經網絡進行圖像預處理，然后輸出預處理圖像至訓練好的深度可分離卷積神經網絡模型進行人臉識別。
2.如權利要求1所述的基于深度可分離卷積的輕量化人臉識別方法，其特征在于，步驟S2中基于AM-Softmax損失函數的深度可分離卷積神經網絡，其結構包括：17個卷積模塊；
第一個卷積模塊是一個3x3的普通卷積層；
第二個卷積模塊至第十四個卷積模塊是深度可分離卷積模塊；
第十五個卷積模塊是一個7x7的平均池化層；
第十六個卷積模塊是一個全連接層；
第十七個卷積模塊是AM-Softmax層。
3.如權利要求2所述的基于深度可分離卷積的輕量化人臉識別方法，其特征在于，所述第一個卷積模塊至第十六個卷積模塊中，每個卷積模塊后都跟了批量歸一化和非線性激活。
4.一種基于深度可分離卷積的輕量化人臉識別系統，其特征在于，包括：
第一神經網絡訓練單元(101)，用于構建三層級聯卷積神經網絡，并輸入第一人臉圖像數據集的圖像金字塔，對所述三層級聯卷積神經網絡進行訓練，得到訓練好的三層級聯卷積神經網絡；
第二神經網絡訓練單元(102)，用于構建基于AM-Softmax損失函數的深度可分離卷積神經網絡，并輸入第二人臉圖像數據集，對所述深度可分離卷積神經網絡進行訓練，得到深度可分離卷積神經網絡模型；
模型壓縮單元(103)，用于對深度可分離卷積神經網絡模型中的卷積層的權重系數進行壓縮，得到訓練好的深度可分離卷積神經網絡模型；
人臉識別單元(104)，用于輸入待識別人臉圖像的圖像金字塔至訓練好的三層級聯卷積神經網絡進行圖像預處理，然后輸出預處理圖像至訓練好的深度可分離卷積神經網絡模型進行人臉識別。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810921647.6/1.html，轉載請聲明來源鉆瓜專利網。
