[發明專利]一種人臉識別神經網絡訓練方法、系統、設備及儲存介質

在審

• 申請號: 202010830795.4
• 申請日: 2020-08-18
• 公開（公告）號: CN111967392A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 楊英儀
• 申請（專利權）人: 廣東電科院能源技術有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊小紅

1.一種人臉識別神經網絡訓練方法，其特征在于，包括以下步驟：

獲取標注有人物身份的人臉圖像，將獲取到的人臉圖像劃分為訓練集與測試集，對訓練集進行預處理；

構建人臉識別神經網絡，設置人臉識別神經網絡的參數及其損失函數，將人臉識別神經網絡的損失函數與自適應附加損失函數相結合，得到最終損失函數；

將經過預處理的訓練集輸入到包含有最終損失函數的人臉識別神經網絡中進行訓練，對人臉識別神經網絡進行循環迭代訓練使最終損失函數不斷減小，直至達到預設的迭代次數或損失函數達到預設的期望值為止，得到訓練好的人臉識別神經網絡；

將測試集輸入到訓練好的人臉識別神經網絡中，驗證訓練好的人臉識別神經網絡的識別準確率；

其中，自適應附加損失函數的具體公式為：

其中，L_adaptive為自適應附加損失函數；i為訓練集中人臉圖像的序號，m為人臉識別神經網絡的梯度下降批次尺寸，j為訓練集中人臉圖像的類別，n為訓練集中人臉圖像的類別數量，S為尺度因子，θ_j為訓練集中人臉圖像的特征向量與類別j的模板向量之間的夾角，為訓練集中人臉圖像所屬類別的模板向量與類別j的模板向量之間的夾角。

2.根據權利要求1所述的一種人臉識別神經網絡訓練方法，其特征在于，對訓練集進行預處理的具體過程為：

對訓練集進行過濾，刪除訓練集中含有噪音的人臉圖像；

對經過過濾后的訓練集中的每一張人臉圖像進行人臉對齊操作。

3.根據權利要求2所述的一種人臉識別神經網絡訓練方法，其特征在于，對訓練集進行過濾，刪除含有噪音的人臉圖像的具體過程為：

將訓練集轉換為高維特征空間，將訓練集中的每一張人臉圖像轉換為高維特征空間中一個點；針對每一個人物身份，計算該人物身份所對應的人臉圖像在高維特征空間中的平均中心點，計算該人物身份所對應的每一張人臉圖像到平均中心點的距離，對距離進行標準化，將標準化后的距離大于1.5的人臉圖像刪除。

4.根據權利要求1所述的一種人臉識別神經網絡訓練方法，其特征在于，構建人臉識別神經網絡，設置人臉識別神經網絡的參數及其損失函數的具體過程為：

構建人臉識別神經網絡，設置人臉識別神經網絡的梯度下降批次尺寸、初始學習率、迭代次數、動量以及權重衰減；以CenterLoss、SphereFace、ArcFace中的任意一個作為人臉識別神經網絡的損失函數。

5.根據權利要求4所述的一種人臉識別神經網絡訓練方法，其特征在于，基于LResNet100E-IR網絡構建人臉識別神經網絡。

6.根據權利要求1所述的一種人臉識別神經網絡訓練方法，其特征在于，將人臉識別神經網絡的損失函數與自適應附加損失函數相結合，得到最終損失函數的具體過程為：

將人臉識別神經網絡的損失函數與自適應附加損失函數相加，得到最終損失函數。

7.根據權利要求1所述的一種人臉識別神經網絡訓練方法，其特征在于，將測試集輸入到訓練好的人臉識別神經網絡中，對訓練好的人臉識別神經網絡驗證的具體過程為：

將測試集輸入到訓練好的人臉識別神經網絡中，得到測試集中每一張人臉圖像的人臉識別結果，判斷人臉識別結果與圖像上標注的人物身份是否一致。