[發明專利]身份驗證模型訓練方法及裝置、存儲介質、電子設備

在審

• 申請號: 201910750225.1
• 申請日: 2019-08-14
• 公開（公告）號: CN110490245A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 梁健;白琨
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F21/31
• 代理公司: 44232 深圳市隆天聯鼎知識產權代理有限公司
• 代理人: 劉抗美<國際申請>=<國際公布>=<進入

本公開提供一種身份驗證模型訓練方法及裝置、電子設備、存儲介質；涉及人工智能技術領域。所述身份驗證模型訓練方法包括：獲取樣本身份特征數據以及所述樣本身份特征數據對應的身份標簽；根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練；根據所述樣本身份特征數據對所述身份驗證模型中的領域分支網絡進行第二學習處理以對所述領域分支網絡進行訓練；通過所述身份標簽以及訓練后的所述領域分支網絡對所述身份分支網絡進行第三學習處理以根據訓練后的所述身份分支網絡構建所述身份驗證模型。本公開能夠在進行身份驗證時，消除同一人的身份特征數據中的領域差異。

技術領域

本公開涉及人工智能技術領域，具體而言，涉及一種身份驗證模型訓練方法、身份驗證模型訓練裝置、電子設備以及計算機可讀存儲介質。

背景技術

隨著互聯網技術的發展，身份驗證技術取得了巨大進展，包括指紋驗證、人臉驗證、聲紋/虹膜驗證、行人重識別等。特別地，隨著智能終端的不斷普及，基于智能終端的身份驗證技術也飛速發展。

然而，現有技術中的身份認證方法經常會面臨數據中的偏差，例如領域差異，即一個模型在一個領域中訓練卻在另一個領域中進行驗證。例如在行人重識別領域中，當季節導致人們穿衣變化時或者人與攝像機的相對角度發生變化時，驗證都可能受到影響，導致驗證通過率較低，影響用戶的使用體驗。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種身份驗證模型訓練方法、身份驗證模型訓練裝置、電子設備以及計算機可讀存儲介質，進而在一定程度上克服由于相關技術的限制和缺陷而導致的，在進行身份驗證時無法消除身份特征數據中領域差異的問題。

根據本公開的第一方面，提供一種身份驗證模型訓練方法，包括：

獲取樣本身份特征數據以及所述樣本身份特征數據對應的身份標簽；

根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練；

根據所述樣本身份特征數據對所述身份驗證模型中的領域分支網絡進行第二學習處理以對所述領域分支網絡進行訓練；

通過所述身份標簽以及訓練后的所述領域分支網絡對所述身份分支網絡進行第三學習處理以根據訓練后的所述身份分支網絡構建所述身份驗證模型。

在本公開的一種示例性實施例中，所述身份驗證模型還包括特征轉換網絡，在根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練之前，所述方法還包括：

根據所述特征轉換網絡對所述樣本身份特征數據進行轉換處理以生成所述樣本身份特征數據對應的隱層特征向量。

在本公開的一種示例性實施例中，所述身份分支網絡包括身份信息提取網絡、身份信息判別網絡以及目標損失函數；

所述根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練包括：

通過所述身份信息判別網絡以及所述目標損失函數對所述身份信息提取網絡進行無監督學習處理以使所述身份信息提取網絡根據所述隱層特征向量生成第一屬性向量；其中所述第一屬性向量包括身份特征信息且不包括領域特征信息。

在本公開的一種示例性實施例中，所述領域分支網絡包括領域信息提取網絡、領域信息判別網絡以及目標對抗損失函數；

所述根據所述樣本身份特征數據對所述身份驗證模型中的領域分支網絡進行第二學習處理以對所述領域分支網絡進行訓練包括：