[发明专利]一种图像质量无关的深度学习人脸模型训练方法

权利要求书

1.一种图像质量无关的深度学习人脸模型训练方法，其特征在于：

假设训练样本共有N类，每类共有M个样本，对每一类中的M个样本进行如下操作：

随机将其中的一部分转化为灰度图像，并且最终使得该类样本中，灰度图像数量为M/2个；若原本灰度图像数量就已经超过M/2时，则将该类的所有样本从训练集中剔除；

随机将其中M/2个样本进行降低图像质量处理，具体是：假设原图分辨率为W*H，降质比例为r，则降质后的图像分辨率为(W*r)*(H*r)，再将降质后的图像放大至原始图像分辨率，这样就使得在保持图像尺度不变的情况下，降低了图像的有效分辨率；

随机对其中M/2个样本加入高斯噪声，具体是：假设高斯噪声满足分布：

对于每个像素，按此分布生成一个随机数，并在乘以一定值后与原像素值相加。

2.根据权利要求1所述的一种图像质量无关的深度学习人脸模型训练方法，其特征在于：灰度图像的转换公式为：

Gray = (R*299 + G*587 + B*114 + 500) / 1000

其中R、G、B分别为彩色图中某个像素的RGB通道值，Gray为该像素转换后的灰度值。

3.根据权利要求1所述的一种图像质量无关的深度学习人脸模型训练方法，其特征在于：所述的降质比例r是一个在[0.6,0.9]范围内的随机数。

4.根据权利要求1所述的一种图像质量无关的深度学习人脸模型训练方法，其特征在于：所述的随机数乘以32后与原像素值相加。