一种面向人脸验证的鲁棒神经网络架构搜索方法

本发明公开了一种面向人脸验证的鲁棒神经网络架构搜索方法，包括如下步骤：步骤1、收集人脸图像数据形成样本集；步骤2、初始化神经网络架构种群：选择ArcFace作为基础模型，并基于此模型设计搜索空间；步骤3、进行种群迭代，形成新的种群；步骤4、评估架构鲁棒性；步骤5、架构选择：每一次循环从种群中选取若干候选架构，将扰动幅度大于预设阈值的候选架构淘汰；步骤6、输出最优架构：选择保留下来种群中扰动幅度最低且在其他指标上表现均衡的架构作为最终输出架构，将该架构用于人脸图像识别模型，并利用样本训练该人脸图像识别模型。本发明通过在演化算法的基础上引入特征空间扰动量化的概念，实现了鲁棒神经网络集成架构的自动化搜索。