基于迁移学习和卷积神经网络的面部识别方法

摘要

本发明公开了一种基于迁移学习和卷积神经网络的面部识别方法，包括：建立VGG‑16模型并对其进行训练得到训练后的VGG‑16模型，将其迁移至暹罗网络中，对训练后的VGG‑16模型进行微调得到微调后的VGG‑16模型；在暹罗网络中输入一对待判断的图像，微调后的VGG‑16模型分别提取出第一面部图像的特征向量和第二面部图像的特征向量，根据特征向量计算欧几里德距离；根据欧几里德距离得到预测值；若预测值为0，则第一面部图像与第二面部图像属于同一个人；若预测值为1，则第一面部图像与第二面部图像不属于同一个人。通过将VGG‑16模型迁移至暹罗模型中，权重在并行的卷积神经网络之间共享，提高人脸识别效率。