[发明专利]一种基于深度学习的人脸特征提取方法在审
| 申请号： | 201810052447.1 | 申请日： | 2018-01-19 |
| 公开（公告）号： | CN108108723A | 公开（公告）日： | 2018-06-01 |
| 发明（设计）人： | 胡钟山 | 申请（专利权）人： | 深圳市恩钛控股有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市汇信知识产权代理有限公司 44477 | 代理人： | 赵英杰 |
| 地址： | 518000 广东省深圳市南山区粤*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的人脸特征提取方法，包括以下步骤：步骤1：初始化输入图像尺寸为W*W，卷积核大小为K*K，步长为S，填充大小为P，输出个数为NUM和各层的权重为θi；步骤2：准备人脸图像数据；步骤3：构建具有46层的深度学习的人脸特征提取网络；步骤4：将准备的人脸图像数据输入到步骤3中构建的人脸特征提取网络中，训练softmax分类器；步骤5：启动人脸特征提取网络，进行网络训练：网络训练T时间后，通过微调求对人脸特征提取网络进行精度提升，最终出来的权重系统θ，即为所求模型；通过该模型对未知样本进行特征提取，流程结束。 | ||
| 搜索关键词： | 人脸特征提取 人脸图像数据 网络训练 构建 网络 精度提升 流程结束 权重系统 输入图像 特征提取 初始化 分类器 卷积核 权重 微调 学习 填充 样本 输出 | ||
【主权项】：
1.一种基于深度学习的人脸特征提取方法，其特征在于，包括以下步骤：步骤1：初始化输入图像尺寸为W*W，卷积核大小为K*K，步长为S，填充大小为P，输出个数为NUM和各层的权重为θi ；步骤2：准备人脸图像数据；步骤3：构建具有46层的深度学习的人脸特征提取网络；步骤4：将准备的人脸图像数据输入到步骤3中构建的人脸特征提取网络中，训练softmax分类器；步骤5：启动人脸特征提取网络，进行网络训练：网络训练T时间后，通过微调求对人脸特征提取网络进行精度提升，最终出来的权重系统θ，即为所求模型；通过该模型对未知样本进行特征提取，流程结束。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市恩钛控股有限公司，未经深圳市恩钛控股有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810052447.1/，转载请声明来源钻瓜专利网。
