基于卷积神经网络和注意力模型的人脸识别方法

发明专利有效专利

申请号：
CN202010295613.8
IPC分类号：G06K9/00G06N3/04G06N3/08
申请日期：
2020-04-15
申请人：
华南理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于卷积神经网络和注意力模型的人脸识别方法
申请号	CN202010295613.8	申请日期	2020-04-15
法律状态	实质审查	申报国家	中国
公开/公告日	2020-08-25	公开/公告号	CN111582044A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G06K9/00;G06N3/04;G06N3/08查看分类表>
申请人	华南理工大学	申请人地址	广东省广州市天河区五山路3*** 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华南理工大学	当前权利人	华南理工大学
发明人	贺前华;杨泽睿;庞文丰
代理机构	广州市华学知识产权代理有限公司	代理人	林梅繁

摘要

本发明涉及人脸识别技术，为基于卷积神经网络和注意力模型的人脸识别方法，包括：对人脸图像进行预处理；将预处理后的图像数据输入到卷积神经网络中提取高维特征；将高维特征输入到注意力模型中，通过神经网络的训练方法计算注意力掩膜，获得空间域和通道域的注意力分布特征M(Fc)；将注意力分布特征M(Fc)输入到Bottleneck模块中，使用Shortcut机制获取特征H(M(Fc))；将特征H(M(Fc))输入到全卷积网络分类结构中，使用Dropout策略和softmax函数，得到最终的人脸识别结果。本发明采用Attention模型和Bottleneck模块来取代VGG模型中的中高层网络，极大的减少了模型所需的参数数量，有效降低了训练时的显存和时间消耗；同时也有效提升了网络对数据的学习能力，增加了系统的稳定性和实用性。

一种花生粕中多糖提取工艺的酶解装置

发明授权

基于卷积神经网络和注意力模型的人脸识别方法

在售专利 早买早用

在售专利早买早用