跨年龄人脸识别成为一个研究热点,是其较强的类内差异导致的。深度学习人脸识别模型时依靠卷积神经网络提取人脸特征向量,利用向量的值来判断是否属于同一个体(类)。为了直观地观察类内差异,即人脸特征向量的跨年龄变化,做了以下实验。 准备一个深度学习人脸识别模型:FaceNet FaceNet通过一个深层卷积神经网络,将人脸图片转换至128维的特征向量。使用Triplet
2015年前后,随着人脸识别技术发展,越来越多专家提出,可将人脸识别技术运用到打拐行动中。技术人员还研发了一种算法,以预测失踪儿童数年后的外貌。据报道,利用这一算法模型进行跨年龄人脸识别的准确率达到了96%以上。 很快,这套算法就迎来首个成功例子。1990年10月16日,重庆6岁的付贵在放学路上,被拐卖到福建。2009...
模型的训练方法、跨年龄人脸识别方法和对应的装置专利信息由爱企查专利频道提供,模型的训练方法、跨年龄人脸识别方法和对应的装置说明:本发明提供一种模型的训练方法、跨年龄人脸识别方法和对应的装置,提高针对跨年龄的人脸识别的准确率...专利查询请上爱企查
所述跨年龄人脸识别的模型训练方法包括:通过卷积神经网络提取跨年龄人脸数据库中人脸图像的特征向量,所述跨年龄人脸数据库包括按照人脸的年龄特征和分类特征分类的多个人脸图像;获取所述特征向量的范数和归一化向量,基于所述人脸图像的年龄特征更新与所述范数对应的年龄损失,基于所述人脸图像的分类特征更新与所述归一化...
根据本发明的实施例,提供一种跨年龄人脸识别方法,包括:使用卷积神经网络对采集的人脸图像提取特征向量,所述卷积神经网络根据如上所述的跨年龄人脸识别的模型训练方法训练得到;以及基于所述提取的特征向量进行人脸识别。 根据本发明的实施例,提供一种跨年龄人脸识别的模型训练装置,包括:特征提取模块,设置为通过卷积神经网络...