[發明專利]模型訓練方法、人臉識別方法、裝置、設備及存儲介質

有效

• 申請號: 201910266743.6
• 申請日: 2019-04-03
• 公開（公告）號: CN109993125B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王浩;龔迪洪;李志鋒;劉威
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種模型訓練方法，其特征在于，包括：

獲取訓練批數據，所述訓練批數據包括多個訓練樣本，每個所述訓練樣本包括樣本圖像及樣本圖像對應的身份標簽和年齡標簽；

針對所述訓練批數據中每個所述訓練樣本，通過特征提取模塊獲得所述訓練樣本中樣本圖像對應的身份特征和年齡特征，并通過典型相關映射模塊獲得所述身份特征和所述年齡特征各自對應的典型相關映射變量；

基于所述訓練批數據中每個所述訓練樣本對應的所述典型相關映射變量，通過批相關系數度量模塊統計所述訓練批數據對應的相關系數；

通過身份判別器和年齡判別器進行聯合監督學習，并通過所述相關系數進行所述身份特征和所述年齡特征的去相關性訓練，訓練得到滿足訓練目標的所述特征提取模塊。

2.根據權利要求1所述的方法，其特征在于，所述去相關性訓練包括：交替執行的如下兩個訓練步驟：

固定所述特征提取模塊的參數，通過更新所述典型相關映射模塊的參數使得所述相關系數的絕對值最大；

固定所述典型相關映射模塊的參數，通過更新所述特征提取模塊、所述身份判別器和所述年齡判別器各自的參數使得訓練損失達到最小，所述訓練損失是根據對抗損失、所述身份判別器的損失和所述年齡判別器的損失確定的，所述對抗損失是根據相關系數確定的。

3.根據權利要求2所述的方法，其特征在于，通過以下方式確定所述訓練損失：

對所述對抗損失、所述身份判別器的損失和所述年齡判別器的損失進行加權求和，將加權求和結果作為所述訓練損失。

4.根據權利要求2所述的方法，其特征在于，所述身份判別器的損失采用增大間隔余弦損失函數，以及，所述年齡判別器的損失采用交叉熵損失函數。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述特征提取模塊包括：級聯的初始特征提取模塊和殘差分解模塊；其中，

所述初始特征提取模塊，用于通過卷積神經網絡提取人臉圖像的初始特征；

所述殘差分解模塊，用于通過殘差網絡對所述初始特征進行線性分解得到身份特征和年齡特征。

6.根據權利要求5所述的方法，其特征在于，通過初始特征提取模塊提取人臉圖像的初始特征，再通過殘差網絡獲取人臉圖像的年齡特征，確定人臉圖像的初始特征與人臉圖像的年齡特征的差值，作為人臉圖像的身份特征。

7.一種跨年齡人臉識別方法，其特征在于，包括：

獲取第一人臉圖像和第二人臉圖像；

通過預先訓練的特征提取模塊獲取所述第一人臉圖像中人臉部分的身份特征作為第一身份特征，并通過所述特征提取模塊獲取所述第二人臉圖像中人臉部分的身份特征作為第二身份特征；所述特征提取模塊為通過上述權利要求1至6中任一項所述模型訓練方法訓練生成的；

根據所述第一身份特征和所述第二身份特征確定所述第一人臉圖像與所述第二人臉圖像中人臉的相似度；

顯示識別結果，所述識別結果包括所述相似度。

8.一種模型訓練裝置，其特征在于，包括：

獲取單元，用于獲取訓練批數據，所述訓練批數據包括多個訓練樣本，每個所述訓練樣本包括樣本圖像及樣本圖像對應的身份標簽和年齡標簽；

分析單元，用于針對所述訓練批數據中每個所述訓練樣本，通過特征提取模塊獲得所述訓練樣本中樣本圖像對應的身份特征和年齡特征，并通過典型相關映射模塊獲得所述身份特征和所述年齡特征各自對應的典型相關映射變量；

相關系數統計單元，用于基于所述訓練批數據中每個所述訓練樣本對應的所述典型相關映射變量，通過批相關系數度量模塊統計所述訓練批數據對應的相關系數；

對抗學習單元，用于通過身份判別器和年齡判別器進行聯合監督學習，并通過所述相關系數進行所述身份特征和所述年齡特征的去相關性訓練，訓練得到滿足訓練目標的所述特征提取模塊。