技术总结
本发明属于计算机视觉、人工智能技术领域，具体为一种基于深度卷积神经网络模型的大规模人脸识别方法。本发明首先提出面向大规模人脸识别的残差学习深度网络模型，该模型由卷积层、下采样层、残差层以及全连接层组成，其中残差层由两路数据（一路是若干个卷积层级联的数据和一路原始数据）相加求和构成，并且模型中每一个卷积层之后都做批量归一化操作。本发明利用深度卷积神经网络学习能力强和残差学习收敛好的特性，在网络模型层数方面，把模型的层数增加；在残差层结构方面，本发明提出一个高效的残差层结构。在面向大规模人脸识别领域，本发明较之基线模型在准确率方面得到了极大提升，在百万级人脸数据库中人脸检索的准确率达到了74.25%。
技术研发人员：王展雄;邵蔚元;冯瑞
受保护的技术使用者：复旦大学
文档号码：201710226292
技术研发日：2017.04.08
技术公布日：2017.06.20