[發明專利]模型生成方法和裝置

有效

• 申請號: 201810286240.0
• 申請日: 2018-03-30
• 公開（公告）號: CN108427939B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 羅遠慶
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種模型生成方法，包括：

獲取訓練樣本集，所述訓練樣本集包括樣本人臉圖像和樣本人臉圖像的標注信息，所述樣本人臉圖像包括可見光人臉圖像和紅外人臉圖像，所述樣本人臉圖像的標注信息用于指示對應的樣本人臉圖像所包含的人臉所屬的用戶對象；

通過訓練操作對人臉識別模型對應的神經網絡進行訓練，得到人臉識別模型，其中，所述待訓練的人臉識別模型對應的神經網絡包括可見光人臉識別網絡和紅外人臉識別網絡；

所述訓練操作包括：利用所述人臉識別模型對應的神經網絡對所述樣本人臉圖像進行人臉識別，得到樣本人臉圖像所包含的人臉所屬用戶對象的預測結果，包括：將所述樣本圖像中的可見光人臉圖像和紅外人臉圖像分別對應地輸入所述可見光人臉識別網絡和紅外人臉識別網絡，得到所述可見光人臉識別網絡對所述可見光人臉圖像所包含的人臉所屬用戶對象的預測結果，和所述紅外人臉識別網絡對所述紅外人臉圖像所包含的人臉所屬用戶對象的預測結果，基于所述樣本人臉圖像的預測結果與所述樣本人臉圖像的標注信息之間的差異，迭代調整所述人臉識別模型對應的神經網絡的參數值，以使對所述樣本人臉圖像的預測結果與對所述樣本人臉圖像的標注信息之間的差異滿足預設的收斂條件，包括：基于預設的損失函數，迭代調整所述可見光人臉識別網絡和所述紅外人臉識別網絡的參數值，以使所述損失函數的值滿足預設的收斂條件，其中，所述損失函數包括第一預測誤差函數和第二預測誤差函數，所述第一預測誤差函數的值用于表征可見光人臉識別網絡對可見光人臉圖像的預測結果與可見光人臉圖像的標注信息之間的差異，所述第二預測誤差函數的值用于表征紅外人臉識別網絡對紅外人臉圖像的預測結果與紅外人臉圖像的標注信息之間的差異。

2.一種模型生成裝置，包括：

獲取單元，用于獲取訓練樣本集，所述訓練樣本集包括樣本人臉圖像和樣本人臉圖像的標注信息，所述樣本人臉圖像包括可見光人臉圖像和紅外人臉圖像，所述樣本人臉圖像的標注信息用于指示對應的樣本人臉圖像所包含的人臉所屬的用戶對象；

訓練單元，用于通過訓練操作對人臉識別模型對應的神經網絡進行訓練，得到人臉識別模型，其中，所述待訓練的人臉識別模型對應的神經網絡包括可見光人臉識別網絡和紅外人臉識別網絡；

所述訓練操作包括：利用所述人臉識別模型對應的神經網絡對所述樣本人臉圖像進行人臉識別，得到樣本人臉圖像所包含的人臉所屬用戶對象的預測結果，包括：將所述樣本圖像中的可見光人臉圖像和紅外人臉圖像分別對應地輸入所述可見光人臉識別網絡和紅外人臉識別網絡，得到所述可見光人臉識別網絡對所述可見光人臉圖像所包含的人臉所屬用戶對象的預測結果，和所述紅外人臉識別網絡對所述紅外人臉圖像所包含的人臉所屬用戶對象的預測結果，基于所述樣本人臉圖像的預測結果與所述樣本人臉圖像的標注信息之間的差異，迭代調整所述人臉識別模型對應的神經網絡的參數值，以使對所述樣本人臉圖像的預測結果與對所述樣本人臉圖像的標注信息之間的差異滿足預設的收斂條件，包括：基于預設的損失函數，迭代調整所述可見光人臉識別網絡和所述紅外人臉識別網絡的參數值，以使所述損失函數的值滿足預設的收斂條件，其中，所述損失函數包括第一預測誤差函數和第二預測誤差函數，所述第一預測誤差函數的值用于表征可見光人臉識別網絡對可見光人臉圖像的預測結果與可見光人臉圖像的標注信息之間的差異，所述第二預測誤差函數的值用于表征紅外人臉識別網絡對紅外人臉圖像的預測結果與紅外人臉圖像的標注信息之間的差異。

3.一種電子設備，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1所述的方法。

4.一種計算機可讀介質，其上存儲有計算機程序，其中，所述程序被處理器執行時實現如權利要求1所述的方法。