发明 一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法【特价15】
深度学习 图像处理 人脸识别 生物识别 大模型 人脸检测 1人
G06V40/16 G06V10/774 G06V10/46 G06V10/75 G06V10/82 G06K9/62 G06N3/04 G06N3/08
摘要：本发明涉及一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法，属于图像处理技术领域。本发明考虑的是现有的深度模型对于侧脸的识别效果不及正脸的识别效果，存在对正脸数据的偏好，从而设计一种对称孪生网络平衡神经网络对侧脸的偏好。本发明通过挑选出侧脸数据，同时构建对称孪生网络，将侧脸数据和所有人脸数据分为两路同时训练网络来平衡神经网络对侧脸数据和近正脸图片偏好，克服训练集中近正脸的人脸图片数量远远多余侧脸图片对深度模型的影响，同时结合对比学习的思想，提取姿态鲁棒性特征。本发明能够提高深度模型对大姿态偏转的人脸识别效果，实现人脸识别中的姿态鲁棒性，促进了相关技术领域的发展。
