基于改进深度残差网络的井下环境人脸打卡方法及装置

本申请公开了基于改进深度残差网络的井下环境人脸打卡方法及装置，在模型训练前引入经过主成分分析技术处理人脸图像，更全面地提取人脸图像关键特征，选取RESNET作为人脸识别的预权重模型，并在此模型基础上进行改进，分离输入特征组，并在分离机制前的卷积变换中添加CBAM注意力机制，使得网络层次更加丰富更加全面；在训练过程中不断迭代优化调整学习率、迭代次数、批量处理大小及优化函数等参数来对比寻找最优准确率的模型，最后联合交叉熵损失函数与中心点损失函数来共同评估模型性能。