一种面向低质量深度人脸图像的鲁棒性特征学习方法

本申请提供一种面向低质量深度人脸图像的特征学习方法，其步骤如下，一、构建低质量深度人脸对比图像对；二、开展对比图像对预训练；三、将对比图像对输入图像编码器进行特征提取；四、引入Continuous Normalizing Flow模块进行特征去噪；五、设计面向图像对的对比损失函数进行整体训练。六、测试阶段，将待测试人脸图像输入训练好的网络，即可得到网络模型对测试人脸图像的身份预测。本申请所提供的鲁棒性特征学习方法可以有效解决低质量深度人脸图像在识别过程中数据可靠性低以及特征提取易受表情、姿态、遮挡等因素影响的问题。另外，本申请提供的面向图像对的对比损失函数具有复杂度低、实时性强的优势。