[發明專利]人臉的自學習方法及智能終端和存儲介質

有效

• 申請號: 201710813801.3
• 申請日: 2017-09-11
• 公開（公告）號: CN107679460B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 周海濤
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本公開提供一種人臉的自學習方法及相關產品，所述方法包括如下步驟：采集人臉圖像，采用第一深度學習模型對所述人臉圖像進行識別處理得到人臉識別結果第一輸出值；如該第一輸出值大于第一閾值且小于第二閾值，提取該第一深度學習模型的歷史輸出值，如所述歷史輸出值大于第一閾值且小于第二閾值，采用第一權值調整策略調整所述第一深度學習模型的權值得到第二深度學習模型；采用所述第二深度學習模型對所述人臉圖像進行識別處理得到人臉識別結果第二輸出值，如所述第二輸出值大于所述第一輸出值，采用所述第二深度學習模型替換所述第一深度學習模型。本發明提供的技術方案具有用戶體驗度高的優點。

技術領域

本發明涉及通信技術領域，具體涉及一種人臉的自學習方法及相關產品。

背景技術

深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。現有的深度學習的模型無法進行更新，導致深度學習的模型的準確率無法提高，進而影響識別的精度，影響用戶的體驗度。

發明內容

本發明實施例提供了一種人臉的自學習方法及相關產品，可實現對深度學習的模型進進行更新，提高人臉識別的精確度，提高用戶的體驗度優點。

第一方面，本發明實施例提供一種人臉的自學習方法，所述方法包括如下步驟：采集人臉圖像，采用第一深度學習模型對所述人臉圖像進行識別處理得到人臉識別結果第一輸出值；如該第一輸出值大于第一閾值且小于第二閾值，提取該第一深度學習模型的歷史輸出值，如所述歷史輸出值大于第一閾值且小于第二閾值，采用第一權值調整策略調整所述第一深度學習模型的權值得到第二深度學習模型；采用所述第二深度學習模型對所述人臉圖像進行識別處理得到人臉識別結果第二輸出值，如所述第二輸出值大于所述第一輸出值，采用所述第二深度學習模型替換所述第一深度學習模型。

第二方面，提供一種智能終端，所述智能終端包括：人臉識別模組、攝像頭模組、存儲器和應用處理器AP，所述人臉識別模組與所述攝像頭模組連接，所述AP分別與所述人臉識別模組、攝像頭模組、存儲器連接：

所述攝像頭模組，用于采集人臉圖像；

所述存儲器，用于存儲人臉圖像以及歷史輸出值；

所述人臉識別模組，用于采用第一深度學習模型對所述人臉圖像進行識別處理得到人臉識別結果第一輸出值；

所述AP，用于如該第一輸出值大于第一閾值且小于第二閾值，提取該第一深度學習模型的歷史輸出值，如所述歷史輸出值大于第一閾值且小于第二閾值，采用第一權值調整策略調整所述第一深度學習模型的權值得到第二深度學習模型；

所述人臉識別模組，用于采用所述第二深度學習模型對所述人臉圖像進行識別處理得到人臉識別結果第二輸出值；

所述AP，用于如所述第二輸出值大于所述第一輸出值，采用所述第二深度學習模型替換所述第一深度學習模型。

第三方面，提供一種智能設備，所述設備包括一個或多個處理器、存儲器、收發器，攝像頭模組以及一個或多個程序，所述一個或多個程序被存儲在所述存儲器中，并且被配置由所述一個或多個處理器執行，所述程序包括用于執行第一方面提供的方法中的步驟的指令。

第四方面，提供一種計算機可讀存儲介質，其存儲用于電子數據交換的計算機程序，其中，所述計算機程序使得計算機執行第一方面提供的所述的方法。

第五方面，提供一種計算機程序產品，所述計算機程序產品包括存儲了計算機程序的非瞬時性計算機可讀存儲介質，所述計算機程序可操作來使計算機執行第一方面提供的方法。

實施本發明實施例，具有如下有益效果：