[发明专利]神经网络的训练和人脸识别方法及装置、设备、存储介质

权利要求书

1.一种神经网络的训练方法，其特征在于，包括：

通过神经网络对样本图像进行处理，获得所述样本图像的分类结果；所述样本图像标注有类别标签；

对所述分类结果执行优化处理，基于优化处理后的分类结果和已知的类别标签计算损失函数值；所述优化处理包括归一化处理和/或角度处理；

基于所述损失函数值训练所述神经网络。

2.根据权利要求1所述的方法，其特征在于，所述神经网络包括至少一个卷积层和至少两个全连接层；

所述通过神经网络对样本图像进行处理，获得所述样本图像的分类结果，包括：

将样本图像输入所述神经网络，通过各所述卷积层对样本图像执行卷积计算，通过所述神经网络的第一个全连接层输出特征向量，通过所述神经网络的最后一个全连接层输出分类结果。

3.根据权利要求2所述的方法，其特征在于，还包括：

基于所述最后一个全连接层中权重值获取所述最后一个全连接层的权值向量；

对所述特征向量与所述权值向量执行点积操作，输出所述特征向量与所述权值向量的点积。

4.根据权利要求3所述的方法，其特征在于，所述优化处理包括归一化处理；

对所述获得的分类结果执行优化处理，包括：

将所述特征向量的模值归一化为特征常数，将所述权值向量的模值归一化为权值常数；

通过计算所述特征常数与权值常数和夹角余弦值的乘积，获得所述特征向量与所述权值向量的点积；所述夹角为所述特征向量与所述权值向量之间的夹角。

5.一种人脸识别方法，其特征在于，包括：

通过神经网络对图像进行处理，输出所述图像中人脸的特征和/或识别结果；所述神经网络基于权利要求1-4任一所述方法训练获得。

6.一种神经网络的训练装置，其特征在于，包括：

分类单元，用于通过神经网络对样本图像进行处理，获得所述样本图像的分类结果；所述样本图像标注有类别标签；

优化单元，用于对所述分类结果执行优化处理；所述优化处理包括归一化处理和/或角度处理；

损失计算单元，用于基于优化处理后的分类结果和已知的类别标签计算损失函数值；

训练单元，用于基于所述损失函数值训练所述神经网络。

7.一种人脸识别装置，其特征在于，包括：

处理单元，通过神经网络对图像进行处理；所述神经网络基于权利要求1-4任一所述方法训练获得；

结果输出单元，用于输出所述图像中人脸的特征和/或识别结果。

8.一种电子设备，其特征在于，包括处理器，所述处理器包括权利要求6所述的神经网络的训练装置或权利要求7所述的人脸识别装置。

9.一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；

以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至4任意一项所述神经网络的训练方法或权利要求5所述的人脸识别方法的操作。

10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至4任意一项所述神经网络的训练方法或权利要求5所述的人脸识别方法的操作。