[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

本申請實施例公開了模型生成方法和裝置。該方法的一具體實施方式包括：獲取訓練樣本集，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；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；訓練操作包括：利用人臉識別模型對應的神經網絡對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，基于樣本人臉圖像的預測結果與樣本人臉圖像的標注信息之間的差異，迭代調整人臉識別模型對應的神經網絡的參數值，以使對樣本人臉圖像的預測結果與對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。該實施方式提升了生成的人臉識別模型的可靠性。

技術領域

本申請實施例涉及計算機技術領域，具體涉及人工智能技術領域，尤其涉及模型生成方法和裝置。

背景技術

人臉識別在公共安全、智能監控、數字身份認證、電子商務、多媒體和數字娛樂等多領域都具有巨大的應用價值和廣泛的應用市場。經過長時間的研究，人臉識別已經取得了長足的發展與進步，以“人臉”為對象的計算機視覺研究已經成為一個及其重要、研究方向眾多并有著廣泛應用于前景的學術和科技領域。

常用的人臉識別技術中，需要采集可見光環境下的人臉圖像，而可見光人臉圖像容易受到環境光變化的影響，在識別之前需要采用一些預處理算法對光照的影響進行處理。此外可見光下采集的人臉可能被眼鏡、口罩等遮擋物遮擋，采集到的可見光人臉圖像會損失一部分特征，由此造成人臉識別精度下降。

發明內容

本申請實施例提出了模型生成方法和裝置。

第一方面，本申請實施例提供了一種模型生成方法，包括：獲取訓練樣本集，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，樣本人臉圖像包括可見光人臉圖像和紅外人臉圖像，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；訓練操作包括：利用人臉識別模型對應的神經網絡對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，基于樣本人臉圖像的預測結果與樣本人臉圖像的標注信息之間的差異，迭代調整人臉識別模型對應的神經網絡的參數值，以使對樣本人臉圖像的預測結果與對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。

在一些實施例中，上述利用人臉識別模型對應的神經網絡對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：基于訓練樣本集構建由可見光人臉圖像和紅外人臉圖像構成的樣本圖像對；基于樣本圖像對中的可見光人臉圖像和紅外人臉圖像的標注信息確定樣本圖像對的標注信息，樣本圖像對的標注信息用于指示樣本圖像對中的可見光人臉圖像和紅外人臉圖像所包含的人臉是否屬于同一用戶對象；將樣本圖像對輸入人臉識別模型對應的神經網絡，得到樣本圖像對所包含的人臉所屬用戶對象的預測結果；以及上述基于樣本人臉圖像的預測結果與樣本人臉圖像的標注信息之間的差異，迭代調整人臉識別模型對應的神經網絡的參數值，以使對樣本人臉圖像的預測結果與對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：基于樣本圖像對所包含的人臉所屬用戶對象的預測結果確定樣本圖像對中的圖像所包含的人臉是否屬于同一用戶對象的預測結果，基于樣本圖像對中的圖像所包含的人臉是否屬于同一用戶對象的預測結果和樣本圖像對的標識信息之間的差異，迭代調整人臉識別模型對應的神經網絡的參數，以使對樣本圖像對的預測結果與對樣本圖像對的標注信息之間的差異滿足預設的收斂條件。

在一些實施例中，上述將樣本圖像對輸入人臉識別模型對應的神經網絡，得到樣本圖像對所包含的人臉所屬用戶對象的預測結果，包括：將樣本圖像對中的可見光人臉圖像和紅外人臉圖像的各顏色通道的圖像數據相連接，得到連接后的圖像數據；利用待訓練的人臉識別模型對應的神經網絡對連接后的圖像數據進行特征提取和分類，得到樣本圖像對所包含的人臉所屬用戶對象的預測結果。