[發明專利]人臉識別模型的訓練方法及裝置有效
| 申請號： | 201910983553.6 | 申請日： | 2015-01-19 |
| 公開（公告）號： | CN110874571B | 公開（公告）日： | 2023-05-05 |
| 發明（設計）人： | 李亮 | 申請（專利權）人： | 創新先進技術有限公司 |
| 主分類號： | G06V40/16 | 分類號： | G06V40/16;G06V10/774;G06V10/82;G06N3/0464 |
| 代理公司： | 北京博思佳知識產權代理有限公司 11415 | 代理人： | 林祥 |
| 地址： | 開曼群島大開曼島*** | 國省代碼： | 暫無信息 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 識別 模型 訓練 方法 裝置 | ||
本申請提供一種人臉識別模型的訓練方法及裝置，其中的方法包括：基于公開人臉數據集進行多層神經網絡訓練，并訓練出至少一個基層；從所述至少一個基層中提取圖像變換參數；根據提取到的圖像變換參數對非公開人臉數據集進行不可逆的模糊化處理；將模糊化處理后的非公開人臉數據集上傳到服務端，由所述服務端完成所述多層神經網絡剩余基層的訓練。本申請可以排除在對非公開人臉數據進行上傳的過程中泄密風險。
技術領域
本申請涉及通訊領域，尤其涉及一種人臉識別模型的訓練方法及裝置。
背景技術
人臉識別是圖像識別領域的一個熱門領域，為了訓練更高精度的人臉識別模型，現有的訓練系統都需要大量的人臉圖像作為訓練樣本，并且采用分布式計算以提高訓練速度，因此越來越多的模型訓練任務已經放在云計算平臺上來運行。
然而由于模型訓練之前需要將人臉圖像上傳到云計算平臺，因此在將人臉圖像上傳到云計算平臺的過程中，則會存在人臉圖像被竊取從而泄漏用戶隱私的問題。
發明內容
有鑒于此，本申請提出一種人臉識別模型的訓練方法，該方法包括：
基于公開人臉數據集進行多層神經網絡訓練，并訓練出至少一個基層；
從所述至少一個基層中提取圖像變換參數；
根據提取到的圖像變換參數對非公開人臉數據集進行不可逆的模糊化處理；
將模糊化處理后的非公開人臉數據集上傳到服務端，由所述服務端完成所述多層神經網絡剩余基層的訓練。
可選的，所述多層神經網絡包括多層卷積神經網絡。
可選的，所述服務端包括云計算平臺。
可選的，所述從所述至少一個網絡層中提取圖像變換參數包括：
提取所述至少一個網絡層中的特征映射圖；
將提取出的特征映射圖作為圖像變換參數進行輸出。
可選的，所述根據提取到的圖像變換參數對非公開人臉數據集進行不可逆的模糊化處理包括：
將所述圖像變換參數作為卷積核與所述非公開人臉數據集進行卷積計算，以對所述非公開人臉數據集進行不可逆的模糊化處理。
本申請還提出一種人臉識別模型的訓練裝置，該裝置包括：
訓練模塊，用于基于公開人臉數據集進行多層神經網絡訓練，并訓練出至少一個基層；
提取模塊，用于從所述至少一個基層中提取圖像變換參數；
處理模塊，用于根據提取到的圖像變換參數對非公開人臉數據集進行不可逆的模糊化處理；
上傳模塊，用于將模糊化處理后的非公開人臉數據集上傳到服務端，由所述服務端完成所述多層神經網絡剩余基層的訓練。
可選的，所述多層神經網絡包括多層卷積神經網絡；所述服務端包括云計算平臺。
可選的，所述提取模塊具體用于：
提取所述至少一個網絡層中的特征映射圖；
將提取出的特征映射圖作為圖像變換參數進行輸出。
可選的，所述處理模塊具體用于：
將所述圖像變換參數作為卷積核與所述非公開人臉數據集進行卷積計算，以對所述非公開人臉數據集進行不可逆的模糊化處理。
本申請還提出一種人臉識別模型的訓練裝置，包括：
處理器；用于存儲所述處理器可執行指令的存儲器；
其中，所述處理器被配置為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于創新先進技術有限公司，未經創新先進技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910983553.6/2.html，轉載請聲明來源鉆瓜專利網。
