一种针对非同分布数据的机器学习的人脸识别方法

本发明提供了一种针对非同分布数据的机器学习的人脸识别方法，包括采用训练集对人脸识别模型进行第一阶段训练，得到第一分类集。向训练集中的训练数据添加扰动，得到补充数据。基于注意力机制提取补充数据中的人脸特征，对人脸识别模型进行第二阶段训练，得到第二分类集。将化妆后人脸数据集输入人脸识别模型，以输出的第三分类集和第二分类集的相似度为约束项，对人脸识别模型进行第三阶段训练，使得人脸识别模型可以关注到更细微的变化区域，得到已训练模型，采用已训练模型识别用户身份。经过上述三个阶段训练后的已训练模型可以适应场景和人物的改变，不会因为新数据的引入而影响人脸识别准确度，且已训练模型对数据扰动具有鲁棒性。