买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于深度学习的海量人脸比对加速方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115249376B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210909516.2，技术领域涉及：G06V40/16；该发明授权一种基于深度学习的海量人脸比对加速方法是由李永强;赵其憧;朱海荣;黄家浩;盛轩硕;蒋陈盛;郭文龙设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种基于深度学习的海量人脸比对加速方法在说明书摘要公布了：一种基于深度学习的海量人脸比对加速方法，通过在原本输出人脸特征提取网络中添加新的全连接层的分支，使人脸数据通过特征提取网络同时输出二维特征值，并在二维平面进行可视化；选取合适中心点，从中心点根据角度将底库的N个特征划分到m个区域中；待测试人脸进行特征值比对的时候，先通过二维特征值确定其所在的特征区域，然后再与区域内的多维特征值进行一一比对，避免了将多维的人脸特征值与底库内所有人脸特征值做比对，实现了加速，实现了海量图片的人脸特征值比对的加速。

本发明授权一种基于深度学习的海量人脸比对加速方法在权利要求书中公布了：1.一种基于深度学习的海量人脸比对加速方法，其特征在于，所述方法包括如下步骤： 1修改基于卷积神经网络的人脸特征提取模型结构：在原本输出为1×512的人脸特征提取网络中添加新的全连接层的分支，增加1×2的输出，每个人脸数据通过特征提取网络可以同时得到1×512的人脸特征值和1×2的二维特征值，其中512维人脸特征值仍在之后用于人脸特征比对，二维特征值在平面内进行可视化，用于之后的特征划分区域； 2模型训练，设计损失函数如式1： Loss_total＝w1×Loss_softmax+w2×Loss_arcface1 其中w1，w2分别为损失函数Loss_softmax和Loss_arcface的权重； 其中Loss_softmax如式2： 其中N和n分别是批尺寸和类编号，xi∈Rd，d为特征维数，设置为512，代表第i个样本的深度特征，属于yi类；Wj∈Rd表示权值W∈Rd×n的第j列，bj∈Rn为偏置项； 其中Loss_arcface如式3： 其中s表示为半径为s的超球面，θ是权重W和特征x之间的夹角，m是在xi和之间添加的一个附加的角边缘惩罚余量； 其中Loss_arcface用于提取多维特征，Loss_softmax用于提取二维特征，在模型训练的过程中，人脸多维特征提取为模型的主体，所以设计在第I个训练迭代前，使w1为0，w2为1，即Loss_total＝Loss_arcface，训练卷积神经网络和多维输出全连接层的权重参数； 当人脸特征提取训练到稳定时，取w2＞w1＞0，此时训练二维输出全连接层的权重参数； 3根据二维平面特征分布划分区域，设定底库中注册的不同人脸的数量为N，选取中心点，根据从中心点辐射出去的角度将底库中注册的N个特征划分到m个区域内部，并将特征所在的区域编号同512维特征值一起保存于底库，用于之后的比对流程； 4比对流程：将待测试人脸输入训练好的模型中，得到二维的特征向量和512维的特征向量，先根据二维特征值确定待测试人脸所在的特征值区域，再根据区域号检索底库中相同区域的特征，缩小512维特征值比对的范围，再对该区域内所包含的512维特征值一一进行相似度的计算； 其中相似度的计算：根据512维特征向量计算待检测特征和底库中特征之间的余弦距离，如式4： 设两个待对比的512维向量分别为x1,x2,......,x512和y1,y2,......,y512； 5结果输出和决策：设比对的阈值为threshold，在选定的特征值区域中筛选余弦值大于threshold的人脸数据，并进行从大到小的排序，输出余弦值计算结果最大的人脸数据，识别结果为同一人，并输出该数据的id。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。