技术特征：
技术总结
本发明公开了一种基于聚集损失深度度量学习的人脸识别方法，步骤：1)对训练图像进行预处理；2)用预处理过的图像对深度卷积神经网络进行预训练，采用softmax损失作为损失函数，引入关键点池化技术；3)将所有训练图像输入预训练好的模型，计算每个类的初始类中心；4)利用聚集损失对预训练好的模型进行精调，经过迭代更新网络参数和类中心，使得每类样本向类中心聚集，同时增大不同类中心之间的间距，从而学习到鲁棒的有判别性的人脸特征表达。5)应用时，对输入图像进行预处理，分别输入到训练好的网络模型提取特征表达，通过计算不同人脸之间的相似度，实现人脸识别。本发明仅利用小规模数据进行训练即可达到较高的人脸识别准确率。
技术研发人员：赖剑煌;黄锐;谢晓华;冯展祥
受保护的技术使用者：中山大学
技术研发日：2017.03.10
技术公布日：2017.08.29