基于深度学习的人脸识别网络训练方法、设备及存储介质
基本信息
| 申请号 | CN201810459296.1 | 申请日 | - |
| 公开（公告）号 | CN110490028A | 公开（公告）日 | 2019-11-22 |
| 申请公布号 | CN110490028A | 申请公布日 | 2019-11-22 |
| 分类号 | G06K9/00（2006.01）; G06K9/62（2006.01）; G06N3/04（2006.01）; G06N3/08（2006.01） | 分类 | 计算；推算；计数; |
| 发明人 | 王标; 史方; 邹佳运; 郭宏 | 申请（专利权）人 | 成都视观天下科技有限公司 |
| 代理机构 | 成都九鼎天元知识产权代理有限公司 | 代理人 | 徐静 |
| 地址 | 610041 四川省成都市高新区天府大道北段1700号1栋3单元10层1009号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及人脸识别领域，针对现有技术存在的问题，提供一种基于深度学习的人脸识别网络训练方法、设备及存储介质。本文提出一种既增大类间距离又缩小类内距离卷积神经网络优化算法，即在普通的卷积神网络模型上增加一种误差约束，在网络模型训练时控制使不同类别人脸间距离增大，使相同类别人脸间的距离缩小，使训练好的网络更好的提取人脸特征，从而提升算法的性能。本发明中对代价函数通过类内相似度、类间相似度进行参数修正，得到总误差函数；通过代价函数的残差值、类内相似度的残差值、类间相似度的残差值实现网络中权值的更新，实现神经网络训练，当参数修正Js满足收敛条件，则完成卷积神经网络训练。 |
