一种用于模型训练的深度学习算法

本发明涉及计算机视觉技术领域，公开了一种用于模型训练的深度学习算法，包括数据集制作、静态图像数据标注、面部特征相似度和静态面部相似度评估、确定动态识别精度、确定动态特征维度、动态图像数据标注、特征提取与融合、模型训练、相似度预测与验证和动态调整与优化；通过引入指定动态图像数据与指定静态图像数据的融合分析，有效提升了多胞胎个体识别的准确性和鲁棒性；避免在多胞胎个体间存在高度相似性的情况下产生误判；还通过最大静态面部相似度指数分析，实现能够根据不同多胞胎个体间的相似度水平，灵活调整识别策略，既保证了在相似度较低时的高效识别，又能在相似度极高时，通过更精细的动态特征分析，实现精准区分。