[发明专利]基于CNN的多patch多通道联合特征选择学习的人脸识别方法有效
| 申请号： | 201810293102.5 | 申请日： | 2018-04-04 |
| 公开（公告）号： | CN108509920B | 公开（公告）日： | 2022-04-26 |
| 发明（设计）人： | 田青;张文强;毛军翔;沈传奇 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210044 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN的多patch多通道联合特征选择学习的人脸识别方法，属于人脸识别技术领域。该方法首先将原始人脸图像分割成多张子图像，每张子图像再分离成多张通道图像；然后为每张通道图像构建一个CNN网络模型，输入通道图像进行识别；接下来首先将同一子图像的多个通道神经网络进行连接，得到对应多张子图像的多个子图像神经网络，然后将多个子图像神经网络进行连接，作为最终的模型识别结果。本发明通过对现有卷积神经网络模型进行改进以及创新，从而达到优化和提升模型的效果，使得卷积神经网络模型的人脸识别能力更加精准，为其在日常生活、工业发展、科学研究等领域的广泛应用提供更有力的技术保障。 | ||
| 搜索关键词： | 基于 cnn patch 通道 联合 特征 选择 学习 识别 方法 | ||
【主权项】：
1.一种基于CNN的多patch多通道联合特征选择学习的人脸识别方法，其特征在于，所述方法首先将原始人脸图像分割成多张子图像，每张子图像再分离成多张通道图像；然后为每张通道图像构建一个CNN网络模型，输入通道图像进行识别；接下来首先将同一子图像的多个通道神经网络进行连接，得到对应多张子图像的多个子图像神经网络，然后将多个子图像神经网络进行连接，作为最终的模型识别结果。
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南京信息工程大学，未经南京信息工程大学许可，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/201810293102.5/，转载请声明来源钻瓜专利网。
