摘要
本发明公开一种基于深度字典低秩残差表示的人脸识别方法,获取原始人脸图像,构建并训练适用于深度字典低秩残差表示的深度网络模型,将预处理后的人脸图像输入该深度网络模型进行训练,深度网络模型中特征提取模块提取人脸图像得到特征向量;字典训练模块利用特征向量来训练字典;稀疏表示模块找到一组字典中的基底,使得人脸数据表示为这些基底的线性组合,进而输出稀疏特征;将真实人脸图像对应的稀疏特征向量在数据库中进行对比检索,判断是否可以识别。本发明创新地结合了低秩残差表示和深度字典学习,使得在处理高维数据和特征提取方面具有显著优势,为人脸识别提供了更高的准确性和鲁棒性。
技术关键词
深度网络模型
人脸识别方法
特征提取模块
稀疏特征向量
训练字典
人脸特征向量
残差结构
更新字典
深度字典学习
边缘结构信息
更新网络参数
低秩结构
预期误差
编码器
重构
图像块
系统为您推荐了相关专利信息
新型汽轮机
汽轮机组
信号处理
时域特征提取
频域特征提取
穴位定位方法
特征提取单元
针灸机器人
关键点
特征提取模块
门控循环单元网络
注意力机制
时序特征
无创方式
分类器