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！

龙图腾网获悉上海交通大学申请的专利基于深度度量学习的跨模态素描人脸识别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：CN116416654B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202111625747.2，技术领域涉及：G06V40/16；该发明授权基于深度度量学习的跨模态素描人脸识别方法是由邢朝平;杨宇航;郭捷;邱卫东;黄征设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本基于深度度量学习的跨模态素描人脸识别方法在说明书摘要公布了：一种基于深度度量学习的跨模态素描人脸识别方法，包括：使用StyleGAN的数据集扩展阶段、基于双向加速三元模态间损失函数的模型预训练阶段、基于度量学习模态间模态内损失的再次训练阶段和模型效果测试阶段使用生成对抗神经网络对素描人脸数据集进行扩展，能够生成不同表情的人脸，考虑到模态间差异，提出双向加速中心三元损失来减小模态间差异的影响，并融入中心损失思想，是同类样本更加聚拢，异类样本更加分散，在此基础上本发明的准确率达到91.56％。

本发明授权基于深度度量学习的跨模态素描人脸识别方法在权利要求书中公布了：1.一种基于深度度量学习的跨模态素描人脸识别方法，其特征在于，包括：使用StyleGAN的数据集扩展阶段、基于双向加速三元模态间损失函数的模型预训练阶段、基于度量学习模态间模态内损失的再次训练阶段和模型效果测试阶段，具体包括： S1扩展生成对抗网络的数据集； S2建立用于提取特征的包括十三层卷积层以及三层全连接层的VGG16深度卷积神经网络； S3对素描人脸数据集中图片以及扩展图片进行预处理； S4使用大规模人脸数据集VGG-Face对步骤S2的神经网络进行预训练； S5迁移步骤S4中预训练后的模型，即保持卷积层的参数不变，全连接层参数以均匀的形式重新初始化； S6建立双向三元组； S7通过双向加速中心三元损失对步骤S5得到的预训练模型进行再训练，得到最终的训练模型，具体为：采用包括模态间损失和模态内损失的损失函数进行反向梯度传播算法来训练参数； S8使用测试集进行测试，将测试集的照片人脸图片进行特征提取，构成测试人脸库，使用步骤S7得到的网络及分类器计算与相应素描人脸匹配的照片人脸，使用top1方法，计算最终准确率； 所述的损失函数包括模态间损失和模态内损失，即Lt=LBt+Lid； 所述的模态间损失具体为：，其中：Ls为正向三元组的损失，Lp为反向三元组的损失，D为度量空间中距离度量方式，这里是欧式距离，N为同一批次的双向三元组数量，[x]+=max0,x，Va为锚点图片特征向量，Vp为正样本图片特征向量，Vn为负样本图片特征向量，上标为s表示素描人脸图片，上标为p表示照片人脸图片，β为超参数，表示期望正样本与负样本间拉开的距离；将损失放到指数e上加快收敛； 然后将中心损失思想融入三元损失中用Vc来替换Va，用Va,p来替换Vp；Vc为Va与Vp的算数平均值；Va,p为锚点样本或正样本的特征向量，实现双向加速中心三元损失，具体为：； 所述的模态内损失具体为：，其中：被预测为第i个样本的概率，上标为s表示素描人脸图片，上标为p表示照片人脸图片，qi为groundtruth，Vi为第i个样本的特征向量，Vj为第j个样本的特征向量。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。

以上内容由龙图腾AI智能生成。