[发明专利]一种基于稀疏特征重用的人脸特征提取网络的构建方法

权利要求书

1.一种基于稀疏特征重用的人脸特征提取网络的构建方法，其特征在于，包含以下步骤：

步骤1、构建单个基本单元块，具体过程如下：

步骤1.1、由3×3卷积组提取特征；

步骤1.2、在第一组和最后一组3×3卷积组输出的特征之间采用逐元素相加和按通道级连的方式进行特征融合，达到特征重用的目的；

步骤1.3、使用1×1卷积组对特征融合后得到的特征进行通道信息整合；

步骤1.4、使用SE Block对通道整合后的特征进行深层通道重要性重组；

步骤1.5、使用单位恒等映射进行基本单元块残差学习；

步骤2、将多个基本单元块堆叠在一起，不同的基本单元块堆叠可以同时得到丰富的低级视觉特征和高级语义特征；

步骤3、在不同的基本单元块之间添加3×3卷积组和池化层，使用3×3卷积组对不同深度的基本单元块所提取到的特征进行整合，以便浅层特征平滑过度到深层特征，使用池化层对冗余的特征进行去除，并对特征整体进行降维；

步骤4、在最后一个基本单元块后接中心-高斯池化，即对高斯池化中选择的强响应点以池化中心为原点进行高斯加权；

步骤5、使用公开数据集对网络进行训练，并且在训练时关注损失函数的变化和不同训练轮数时训练集和验证集上的准确率，在网络达到收敛时停止训练，防止欠拟合和过拟合；

步骤6、将收敛的网络在测试数据集上进行测试；

步骤7、根据分类准确率和人脸识别准确率分析比较特征提取能力。

2.根据权利要求1所述的基于稀疏特征重用的人脸特征提取网络的构建方法，其特征在于，步骤1.2中所述特征融合方式为最后2组3×3卷积组输出的特征之间采用逐元素相加的方式进行特征融合，除最后2组外其他3×3卷积组输出的特征之间采用按通道级连的方式进行特征融合。

3.根据权利要求2所述的基于稀疏特征重用的人脸特征提取网络的构建方法，其特征在于，步骤1.4中所述SE Block采用一层全连接层并将平均池化改为最大值池化，以减少信息缺失。

4.根据权利要求3所述的基于稀疏特征重用的人脸特征提取网络的构建方法，其特征在于，所述在训练数据集上进行训练的步骤包括使用MegaFace人脸识别数据集进行训练以验证人脸特征提取能力；使用ImageNet图像分类数据集进行训练以验证在一般场景下的特征提取能力。

5.根据权利要求4所述的基于稀疏特征重用的人脸特征提取网络的构建方法，其特征在于，所述测试步骤包括在LFW数据集上进行测试以验证人脸特征提取能力；在ImageNet数据集上进行测试以验证在一般场景下的特征提取能力。

6.根据权利要求5所述的基于稀疏特征重用的人脸特征提取网络的构建方法，其特征在于，步骤7中所述分析比较特征提取能力的步骤包括在ImageNet数据集上，使用Top-1测试错误率和Top-5测试错误率比较分类网络的性能；在LFW数据集上，使用识别准确率比较人脸识别算法的性能。