一种基于多任务深度学网络的训练、识别方法及系统

摘要

本发明提供一种基于多任务深度学网络的训练方法、识别方法及系统，训练方法包括：获取训练集中人脸图像的人脸区域；对人脸区域进行关键点检测，得到关键特征点位置；根据关键特征位置将人脸图像经仿射变换得到对齐的人脸图像；将对齐的人脸图像输入到多任务深度学网络进行训练，得到多任务深度学网络模型；识别方法包括：根据待识别人脸图像的关键特征位置将待识别人脸图像经仿射变换得到对齐的人脸图像；将对齐的人脸图像输入到训练后的多任务深度学网络模型进行特征提取得到特征信息；将待识别人脸图像的特征信息分别与注册集中每张人脸图像对应的特征信息进行匹配，得到识别结果。如此，能够提高多任务深度学网络训练和识别的效率。

主权项

一种基于多任务深度学习网络的训练方法，其特征在于，所述方法包括：获取训练集中人脸图像的人脸区域；对所述人脸区域进行关键点检测，得到所述人脸区域的关键特征点位置；根据所述关键特征位置将所述人脸图像经仿射变换得到对齐的人脸图像；将对齐的人脸图像输入到多任务深度学习网络进行训练，得到多任务深度学习网络模型；其中，所述多任务深度学习网络的结构采用GoogleNet结构，所述多任务深度学习网络包括人脸识别任务、年龄识别任务、性别识别任务，所述人脸识别任务、所述年龄识别任务及所述性别识别任务共享所述多任务深度学习网络的卷积层及第一个全链接层，所述第一个全链接层连接每个任务特有的全链接层及每个任务的损失函数，所述人脸识别任务的损失函数为triplet函数、所述年龄识别任务的损失函数为softmax函数、所述性别识别任务的损失函数为softmax函数。