摘要
本发明提供了一种网约车司机人脸验证算法,包括以下步骤:S1、人脸图片包含100000张司机在网约车平台注册身份信息时的备案照片,需要对人脸图片进行标注,形成数据集,数据库每个司机在日常登录时对应的2‑10张人脸图片,总体约50万张图片;S2、在训练阶段时,数据集中的人脸图片经过特征提取网络得到特征向量,将特征向量送入分类网络进行分类,然后计算损失;本发明通过本算法不需要构造二元组、三元组,只在原始的人脸样本上进行训练,极大的降低了训练开销,同时使得特征向量的内聚性更强,基于原始数据集训练人脸特征提取模型,完全避免了二次构造样本,并且提高了特征向量的内聚性,在测试集上取得了98.59%的准确率。
技术关键词
人脸图片
验证算法
司机
特征提取网络
分类网络
网约车
照片
预测类别
优化网络参数
人脸特征提取
分类边界
样本
数据
三元组
球面
身份
阶段
平台
系统为您推荐了相关专利信息
在线学习方法
分类网络
残差网络模型
数据标签
原型
轨迹生成方法
特征提取网络
条件生成对抗网络
编码器模块
风险
可见光图像
融合特征
多模态交互
元素
实时跟踪系统
异常检测方法
迁移学习策略
样本
Adam算法
图片
智能车辆
调度算法
订单
物联网设备
机器学习模型训练