一种基于分支-主干网络的多分辨率人脸识别方法

技术特征：
1.一种基于分支-主干网络的多分辨率人脸识别方法，其特征在于，包括以下步骤：步骤1：搭建一个通用的端到端分支-主干网络btnet；btnet包括两个关键组件：分支网络bnets和主干网络tnet；其中，分支网络bnets是若干独立的子网络，用于将低分辨率图像映射到具有相同分辨率的对应特征图；主干网络tnet是将不同分辨率的特征图映射到高维嵌入实现跨分辨率的统一编码；步骤2：选择btnet的基础网络；采用随机尺度方法进行预训练，得到主干网络tnet；随机尺度方法，即通过使用不同的插值采样方法和尺寸大小，模拟不同分辨率大小的人脸图像，从而为人脸表示构建具有分辨率鲁棒性的统一编码网络；首先，针对高分辨率的人脸图像，采用随机插值法下采样到不同尺寸；然后，使用固定插值法上采样回统一的高分辨率输入尺寸后，对基础网络进行训练；基础网络通过以上的随机尺度方法，在高分辨率与合成得到的低分辨率人脸图像数据集上进行预训练后，学习得到具有分辨率鲁棒性和身份判别性的tnet，为bnets提供特征空间的监督信息；步骤3：在深度方向部分耦合bnets和tnet，利用tnet的监督信息训练得到不同分辨率的分支网络bnets；其中，各个bnet在固定tnet参数的情况下进行训练，将低分辨率图像近似映射到相同分辨率的特征图，该特征图从对应高分辨率图像中提取得到；步骤4：对待识别图像进行分辨率裁剪步骤5：将经分辨率修剪后的图像输入btnet得到统一的特征表示，并按需求进行1:1人脸验证或1：n人脸识别。2.如权利要求1所述的一种基于分支-主干网络的多分辨率人脸识别方法，其特征在于，步骤1中，低分辨率图像是指分辨率不大于42
×
42像素的图像。3.如权利要求1所述的一种基于分支-主干网络的多分辨率人脸识别方法，其特征在于，步骤2中，高分辨率图像是指分辨率不低于112
×
112像素的图像。4.如权利要求1所述的一种基于分支-主干网络的多分辨率人脸识别方法，其特征在于，步骤4包括以下步骤：步骤4.1：确定图像的代表分辨率；忽略图像质量受损的情况，选择图像的长边尺寸作为表征图像隐含光学分辨率的可靠指标；步骤4.2：选择合适的分支；选择分辨率与给定图像分辨率最邻近的bnet，作为处理该输入图像的适配器；步骤4.3：根据需要进行边缘填充；如果图像的分辨率小于或等于选定bnet的分辨率，则按照bnet的分辨率对图像进行边缘填充；否则不进行填充处理；步骤4.4：根据需要进行下采样；如果图像的分辨率大于bnet的分辨率，则通过基于区域的插值对图像进行下采样，以匹配所选bnet的分辨率；否则不进行下采样处理。

技术总结
本发明涉及一种基于分支-主干网络的多分辨率人脸识别方法，属于人工智能、深度学习以及计算机视觉技术领域。本方法从输入层开始便针对不同分辨率进行特定的特征提取，将具有不同分辨率的图像视为不同的域，基于高分辨率人脸识别进行迁移学习，由此解决分辨率不匹配的技术问题。在避免上采样的前提下，用有限数量的分辨率适配器来分别处理不同图像，降低无穷多的分辨率域之间的差异，同时保证由统一的编码器输出不同分辨率图像的统一表征。本发明概念简洁，创新性强，作为一个通用的网络架构，可以关联各种现存的人脸识别模型，并在降低计算基准模型复杂度的同时显著提升识别精度。基准模型复杂度的同时显著提升识别精度。基准模型复杂度的同时显著提升识别精度。


技术研发人员：袁武 何胡凌霄 袁文
受保护的技术使用者：中国科学院地理科学与资源研究所
技术研发日：2022.03.04
技术公布日：2022/6/10