[發(fā)明專利]一種損失函數(shù)計(jì)算方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010259271.4
• 申請(qǐng)日: 2020-04-03
• 公開(kāi)（公告）號(hào): CN111597882B
• 公開(kāi)（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 胡炳然
• 申請(qǐng)（專利權(quán)）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16
• 代理公司: 北京冠和權(quán)律師事務(wù)所 11399
• 代理人: 張楠楠

1.一種損失函數(shù)計(jì)算方法，用于人臉識(shí)別，其特征在于，包括以下步驟：

利用預(yù)設(shè)三通道彩圖生成訓(xùn)練數(shù)據(jù)輸入主干網(wǎng)絡(luò)中；

根據(jù)主干網(wǎng)絡(luò)的輸出結(jié)果獲得K個(gè)類別的n維特征向量；

獲取所述K個(gè)類別的n維特征向量中每個(gè)類別的類中心向量；

基于所述每個(gè)類別的類中心向量，計(jì)算人臉檢測(cè)結(jié)果和實(shí)際結(jié)果的損失函數(shù)；

所述基于所述每個(gè)類別的類中心向量，計(jì)算人臉檢測(cè)結(jié)果和實(shí)際結(jié)果的損失函數(shù)，包括：

利用下列公式計(jì)算所述損失函數(shù)：

；

其中，所述L為損失函數(shù)，所述B為輸入主干網(wǎng)絡(luò)中的每一批預(yù)設(shè)三通道彩圖的數(shù)量，所述，t為預(yù)設(shè)常量，所述i為第i個(gè)預(yù)設(shè)三通道彩圖，所述s為尺度因子，所述K為預(yù)設(shè)三通道彩圖的類別總數(shù)，所述ζ為示性函數(shù)，所述為所述B中隨機(jī)選取的一個(gè)子集，所述，所述，所述為線性組合系數(shù)，所述W_i和W_j為類中心向量。

2.根據(jù)權(quán)利要求1所述損失函數(shù)計(jì)算方法，其特征在于，所述利用預(yù)設(shè)三通道彩圖生成訓(xùn)練數(shù)據(jù)輸入主干網(wǎng)絡(luò)中，包括：

獲取預(yù)設(shè)數(shù)量的所述預(yù)設(shè)三通道彩圖；

對(duì)所述預(yù)設(shè)三通道彩圖作預(yù)處理；

將所述預(yù)處理后的三通道彩圖按照預(yù)設(shè)批量輸入到所述主干網(wǎng)絡(luò)中。

3.根據(jù)權(quán)利要求1所述損失函數(shù)計(jì)算方法，其特征在于，所述根據(jù)主干網(wǎng)絡(luò)的輸出結(jié)果獲得K個(gè)類別的n維特征向量，包括：

根據(jù)所述輸出結(jié)果獲取每個(gè)三通道彩圖的圖像特征；

根據(jù)所述每個(gè)三通道彩圖的圖像特征確定所述每個(gè)三通道彩圖對(duì)應(yīng)的n維特征向量；

將所述n維向量按照每個(gè)n維向量對(duì)應(yīng)的三通道彩圖的類別插入到預(yù)先確定的所述K個(gè)類別中；

輸出所述K個(gè)類別的n維特征向量。

4.根據(jù)權(quán)利要求1所述損失函數(shù)計(jì)算方法，其特征在于，所述方法還包括：

計(jì)算所述損失函數(shù)的梯度值；

基于所述梯度值更新網(wǎng)絡(luò)參數(shù)；

利用更新后的網(wǎng)絡(luò)參數(shù)重復(fù)進(jìn)行所述人臉檢測(cè)結(jié)果和實(shí)際結(jié)果的損失函數(shù)的計(jì)算，直到損失函數(shù)小于等于預(yù)設(shè)值為止。

5.一種損失函數(shù)計(jì)算裝置，用于人臉識(shí)別，其特征在于，該裝置包括：

生成模塊，用于利用預(yù)設(shè)三通道彩圖生成訓(xùn)練數(shù)據(jù)輸入主干網(wǎng)絡(luò)中；

獲得模塊，用于根據(jù)主干網(wǎng)絡(luò)的輸出結(jié)果獲得K個(gè)類別的n維特征向量；

獲取模塊，用于獲取所述K個(gè)類別的n維特征向量中每個(gè)類別的類中心向量；

第一計(jì)算模塊，用于基于所述每個(gè)類別的類中心向量，計(jì)算人臉檢測(cè)結(jié)果和實(shí)際結(jié)果的損失函數(shù)；

所述計(jì)算模塊，包括：

計(jì)算子模塊，用于利用下列公式計(jì)算所述損失函數(shù)：

；

其中，所述L為損失函數(shù)，所述B為輸入主干網(wǎng)絡(luò)中的每一批預(yù)設(shè)三通道彩圖的數(shù)量，所述，t為預(yù)設(shè)常量，所述i為第i個(gè)預(yù)設(shè)三通道彩圖，所述s為尺度因子，所述K為預(yù)設(shè)三通道彩圖的類別總數(shù)，所述ζ為示性函數(shù)，所述為所述B中隨機(jī)選取的一個(gè)子集，所述，所述，所述為線性組合系數(shù)，所述W_i和W_j為類中心向量。

6.根據(jù)權(quán)利要求5所述損失函數(shù)計(jì)算裝置，其特征在于，所述生成模塊，包括：

第一獲取子模塊，用于獲取預(yù)設(shè)數(shù)量的所述預(yù)設(shè)三通道彩圖；

預(yù)處理子模塊，用于對(duì)所述預(yù)設(shè)三通道彩圖作預(yù)處理；

輸入子模塊，用于將所述預(yù)處理后的三通道彩圖按照預(yù)設(shè)批量輸入到所述主干網(wǎng)絡(luò)中。

7.根據(jù)權(quán)利要求5所述損失函數(shù)計(jì)算裝置，其特征在于，所述獲得模塊，包括：

第二獲取子模塊，用于根據(jù)所述輸出結(jié)果獲取每個(gè)三通道彩圖的圖像特征；

確定子模塊，用于根據(jù)所述每個(gè)三通道彩圖的圖像特征確定所述每個(gè)三通道彩圖對(duì)應(yīng)的n維特征向量；

插入子模塊，用于將所述n維向量按照每個(gè)n維向量對(duì)應(yīng)的三通道彩圖的類別插入到預(yù)先確定的所述K個(gè)類別中；

輸出子模塊，用于輸出所述K個(gè)類別的n維特征向量。

8.根據(jù)權(quán)利要求5所述損失函數(shù)計(jì)算裝置，其特征在于，所述裝置還包括：

第二計(jì)算模塊，用于計(jì)算所述損失函數(shù)的梯度值；

更新模塊，用于基于所述梯度值更新網(wǎng)絡(luò)參數(shù)；

第三計(jì)算模塊，用于利用更新后的網(wǎng)絡(luò)參數(shù)重復(fù)進(jìn)行所述人臉檢測(cè)結(jié)果和實(shí)際結(jié)果的損失函數(shù)的計(jì)算，直到損失函數(shù)小于等于預(yù)設(shè)值為止。