基于非平衡标签信息融合的人脸识别方法

    公开(公告)号:CN105701482B

    公开(公告)日:2019-02-05

    申请号:CN201610111889.X

    申请日:2016-02-29

    IPC分类号: G06K9/00 G06N3/08

    摘要: 本发明公开了基于非平衡标签信息融合的人脸识别算法架构,包括L1和L2两层架构,L1中利用监督学习算法对人脸数据和对应的标签信息进行训练得到初始化人脸识别模型一,后利用无监督方法训练无标签数据,交替优化人脸数据标签信息和模型一参数,多次迭代后计算得到最终的人脸识别模型一。L2与L1思路相反,先随机初始化人脸识别模型二的参数,然后进行无监督训练更新模型参数;后输入有标签数据,利用监督学习算法继续训练,得到最终的人脸识别模型二。融合模型一和模型二得到最终的人脸识别模型。本发明结合监督学习算法和无监督学习算法各自的优势,充分发挥海量无标签数据的作用,使算法既能够在特定场景下具备优秀的识别能力,又能适应不同场景。

    基于非平衡标签信息融合的人脸识别算法架构

    公开(公告)号:CN105701482A

    公开(公告)日:2016-06-22

    申请号:CN201610111889.X

    申请日:2016-02-29

    IPC分类号: G06K9/00 G06N3/08

    CPC分类号: G06K9/00221 G06N3/088

    摘要: 本发明公开了基于非平衡标签信息融合的人脸识别算法架构,包括L1和L2两层架构,L1中利用监督学习算法对人脸数据和对应的标签信息进行训练得到初始化人脸识别模型一,后利用无监督方法训练无标签数据,交替优化人脸数据标签信息和模型一参数,多次迭代后计算得到最终的人脸识别模型一。L2与L1思路相反,先随机初始化人脸识别模型二的参数,然后进行无监督训练更新模型参数;后输入有标签数据,利用监督学习算法继续训练,得到最终的人脸识别模型二。融合模型一和模型二得到最终的人脸识别模型。本发明结合监督学习算法和无监督学习算法各自的优势,充分发挥海量无标签数据的作用,使算法既能够在特定场景下具备优秀的识别能力,又能适应不同场景。