[發明專利]一種聯邦制人臉圖像特征學習方法

有效

• 申請號: 202011485965.6
• 申請日: 2020-12-16
• 公開（公告）號: CN112686100B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 駱正權;孫哲南;王云龍
• 申請（專利權）人: 天津中科智能識別產業技術研究院有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06N3/08;G06N20/00
• 代理公司: 天津市三利專利商標代理有限公司 12107
• 代理人: 韓新城

1.一種聯邦制人臉圖像特征學習方法，其特征在于，包括步驟：

通過各個人臉特征提取識別網絡分別提取出對應的各個人臉數據集中的人臉數據的特征；

基于所述人臉數據的特征形成的不同的特征三元組計算不同的三元損失，獲得三元損失矩陣L；

在人臉數據的特征空間中獲取類內中心，基于上述類內中心獲取各個人臉數據集大特征空間中的分布差異EMD，根據該分布差異EMD獲得瓦瑟斯坦權重矩陣W；

結合瓦瑟斯坦權重矩陣W和三元損失矩陣L計算得到瓦瑟斯坦特征聯邦三元損失，并將瓦瑟斯坦特征聯邦三元損失作為最終的聯合訓練損失傳遞給各個人臉特征提取識別網絡,進行梯度反傳和參數更新，完成一個回合的人臉特征聯合訓練和學習；

上述的三元損失的計算公式如下：

式中，TA、TP、TN表示選擇的三元組，TA表示特征集中的錨點，TP表示類別與錨點相同的正樣本，TN表示類別與錨點不同的負樣本，α是正負樣本對之間的間隔約束，用來提高特征分布的區分性，通過計算隨機三元組數據組合得到三元損失矩陣L；

上述的分布差異EMD的表示方式如下：

其中，EMD(A,B)表示人臉數據集A、B的特征分布差異，其中d_ij表示人臉數據集A第i個類別中心到人臉數據集B第j個類別中心的距離，通過最小化流量flow_ij表示人臉數據集A第i個類別中心遷移到人臉數據集B第j個類別中心B所需最小距離，n1、n2分別表示人臉數據集A、B中類別數目，其中表示人臉數據集A特征分布中第i個類別的特征中心，表示人臉數據集A所有人臉類別屬于i的特征的均值，表示人臉數據集B特征分布中第j個類別的特征中心，表示人臉數據集B所有人臉類別屬于i的特征的均值，f表示預定目標流量；

上述瓦瑟斯坦權重矩陣W表示如下：

瓦瑟斯坦特征聯邦三元損失表示如下：