Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于非对称性特征和黎曼流形结构的人脸识别方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明公开了一种基于非对称性特征和黎曼流形结构的人脸识别方法,所述方法根据黎曼流形学习中对称正定矩阵的计算与分析,降低人脸数据的维度,挖掘人脸图像的内在关系和逻辑结构,通过对人脸图像特征的流形表示,由对称正定矩阵的黎曼流形网络结构可以生成更加紧凑和更具有判别性的对称正定矩阵,从而提高人脸识别的准确率和速率,使得人脸图像的内在关系和逻辑结构得以挖掘。

主权项:1.一种基于非对称性特征和黎曼流形结构的人脸识别方法,其特征在于,包括以下步骤:S1、将经过标记的人脸图像数据集随机划分为训练集和验证集;S2、采用基于GoogLeNet和ResNet网络结构改进的卷积神经网络;具体为:S2.1、通过3×3的卷积核构建一层多通道特征图;S2.2、在多通道特征图后接上ReLU激活函数,引入非线性结构;S3、采用多个不同卷积核大小堆叠构建不同的Inception模块;具体为:S3.1、采用多个不同卷积核大小堆叠构建不同的Inception模块;S3.2、每一个Inception模块中,对每一个卷积核获取的特征图按照深度进行堆叠,通过训练N层不同尺度的特征,对所有隐藏层进行训练以获取人脸图像的多尺度特征;S4、将获取人脸图像多尺度特征图的网络框架参数进行有监督的微调;S5、由卷积神经网络结构获取的人脸图像多尺度特征图,对每一张特征图进行平坦化操作并按照规则组合成矩阵形式,对矩阵进行变换求其协方差矩阵,再经过正则化的方法,使得该协方差矩阵具有对称正定的特性,进而将人脸图像多尺度特征图数据转换为流形数据;S6、将转换的流形数据SPD矩阵通过SPDNet网络结构,经过BiMap层、ReEig层以及LogEig层生成更加具有判别性并且数据维度显著下降的SPD矩阵,同时还使其能够应用到后续其它的全连接层以及softmax层进行人脸识别的输出。

全文数据:

权利要求:

百度查询: 江苏科技大学 一种基于非对称性特征和黎曼流形结构的人脸识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。