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！

龙图腾网恭喜河海大学申请的专利一种基于原型与对抗学习的单样本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：CN114093002B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202111386834.7，技术领域涉及：G06V40/16；该发明授权一种基于原型与对抗学习的单样本人脸识别方法是由刘凡;王菲;王钰;许峰设计研发完成，并于2021-11-22向国家知识产权局提交的专利申请。

本一种基于原型与对抗学习的单样本人脸识别方法在说明书摘要公布了：本发明公开了基于原型与对抗学习的单样本人脸识别方法，该方法利用Baseset每类多个样本对预训练模型进行微调训练，得到一个人脸特征表示模型，并提出利用原型网络的思想求Novelset每类单个样本中单样本的类特征中心；然后，根据抽取到的特征训练基于原型引导的特征生成器，在原型特征中心的基础上加入随机噪声生成新的特征，引入特征真假鉴别器与变化鉴别器引导特征生成器生成具有丰富变化信息的真实特征，同时融合分类器进行多任务学习，修正分类器的决策边界。本发明对人脸识别中的表情、光照变化和遮挡等噪声具有很好的鲁棒性，识别精度高。

本发明授权一种基于原型与对抗学习的单样本人脸识别方法在权利要求书中公布了：1.基于原型与对抗学习的单样本人脸识别方法，其特征在于，包括如下步骤：步骤1，利用Baseset中所有的人脸训练数据对预训练网络进行微调，得到一个适用于目标数据集的网络特征提取模型，微调过程中网络输入为人脸图像x，标签为y，利用交叉熵损失对预训练的网络进行微调，得到一个将人脸图像x映射到特征空间的特征表示模型φ·；步骤2，基于特征表示模型φ·提取到的人脸特征借助于原型网络的思想，利用Baseset学习一个从Novelset中单样本特征到类特征中心的映射，得到Novelset的原型特征；步骤3，基于步骤2中提取到的原型特征训练利用原型引导的特征生成器，在原型特征的基础上加入随机噪声作为特征生成器的输入，生成新的特征，并且引入特征真假鉴别器与变化鉴别器引导该特征生成器生成具有丰富变化信息的人脸特征步骤4，利用特征表示模型提取的真实特征以及特征生成器生成的人脸特征对分类器进行训练，根据特征生成器生成的特征修正分类器的决策边界，修正后的分类器作为最终测试的分类器；步骤5，将测试图像xp输入到特征表示模型φ·中得到特征表示然后将特征表示φti输入到最终的分类器中得到分类结果；步骤3所述具体过程为：3.1给定Baseset，一个Novelset，经过第一阶段训练好的特征表示模型，可以得到它们在特征空间的特征表示以及它们的标签从一个标准正态分布中随机抽样出的随机噪声z；Baseset为每类多个样本，Novelset为每类单张训练样本；对于特征生成器来说，它希望结合每个类的类中心特征和随机噪声来合成有效的特征，其中d是特征维度，特征生成器G·定义为： 其中fl·表示一个非线性激活函数LeakyReLU，生成的特征即为其本质就是通过随机噪声生成类内变化来扩展类的特征空间，这也就进一步解释了特征中心的作用，如果在类的边界上做生成，加上随机噪声Wzz就会很容易生成到别的类别上进而误导分类器的训练；3.2对于真假鉴别器D，它是用来区分生成的特征与真实的特征并引导特征生成器得到更好的生成能力，鉴别器的输入为生成的特征，真假标签为0，和真实的特征，真假标签为1，真假鉴别器D·就可以写成： 其中，包括输入的真实特征和生成的特征Wd∈R1*d是鉴别器的参数，fs·是非线性激活函数sigmoid，它将鉴别器的输出限制到0和1之间；3.3对于人脸变化鉴别器Dv，它的主要目的是为了指导特征生成器生成带变化的特征，将Baseset中带变化的人脸特征标记为1，不带变化的标记为0，输入到人脸变化鉴别器Dv·中进行训练，同时将生成的特征标记为0，人脸变化鉴别器Dv·就可以表示为： 其中，是输入的特征，包括真实特征和生成的特征Wdv∈R1*d是鉴别器的参数，fs·是非线性激活函数sigmoid，它将人脸变化鉴别器的输出限制到0和1之间；3.4在训练过程中，特征生成器和两个鉴别器是轮流迭代训练的，特征真假鉴别器希望通过二分类器能够很好的分辨出输入的特征是生成的还是真实的，人脸变化鉴别器同样是一个二分类器，用来鉴别生成的特征是否带变化；特征生成器则希望通过类中心和随机噪声生成的特征“迷惑”两个鉴别器使其不能分辨，特征真假鉴别器目标函数写成： 人脸变化鉴别器写作： 其中表示类特征中心，表示不带变化的特征，表示带人脸变化的特征；训练特征生成器时，固定住鉴别器的参数，特征生成器目标是使得生成的特征与真实特征相似，换言之，就是“迷惑”鉴别器使其不能分辨，也就是优化特征生成器的参数最小化损失函数训练特征真假鉴别器时，固定住特征生成器，特征真假鉴别器的目标是能够很好的分辨出真实特征和生成的假特征，也就是优化特征真假鉴别器的参数，最大化损失函数同样的，训练变化鉴别器时，固定住特征生成器的参数，变化鉴别器的目标是能够很好的分辨出特征中的变化，也就是优化变化鉴别器的参数最大化损失函数

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河海大学，其通讯地址为：211100 江苏省南京市江宁开发区佛城西路8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”。