[發明專利]基于抗噪聲元學習的人臉識別方法及系統

有效

• 申請號: 202010318301.4
• 申請日: 2020-04-21
• 公開（公告）號: CN111597907B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 鄭晨;何昭水;呂俊;黃德添;白玉磊;譚北海
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06K9/62;G06N20/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.基于抗噪聲元學習的人臉識別方法，其特征在于，包括以下步驟：

S1.獲取人臉數據集及其相應標簽，所述標簽中包括噪聲標簽及干凈標簽；

S2.對所述人臉數據集進行預處理，對于其中各人臉數據，生成合成噪聲標簽，且各人臉數據初始化為相同的權重參數；具體的：

從所述人臉數據集中采樣取得小批量人臉數據(X,Y)，其中X＝{x₁,…,x_k}是k個人臉數據，Y＝{y₁,…,y_k}是各人臉數據相應的噪聲標簽；對于每個噪聲標簽，生成多個合成噪聲標簽{Y′₁,…,Y′_M}，其分布與Y相似，從而生成一組生成的合成噪聲標簽對于各人臉數據均初始化為相同的權重參數；

S3.構建人臉識別模型及其元學習模型學習策略，所述人臉識別模型的輸入為待識別的人臉數據，輸出所述待識別的人臉數據的識別結果；所述元學習模型學習策略采用梯度下降算法更新人臉識別模型的權重參數；

S4.訓練元學習模型，并對其權重參數進行更新；具體的：

S41.從含k個人臉數據的小批量人臉數據中隨機選擇若干個樣本，對于每個選定的樣本X_i，根據其所在小批量人臉數據對其相鄰的樣本進行排序；

S42.從中隨機選擇一個相鄰樣本x_j,以及該x_j最接近的前s個鄰居，并使用鄰居的標簽y_j替換X_i的標簽，即得到生成的噪聲標簽y′_mi＝y_j；

S43.重復執行M次步驟S41和S42，生成M個小批量的噪聲標簽；θ表示當前元學習模型的參數，對于每個合成的小批量人臉識別數據集樣本，在其所在小批量人臉數據上使用梯度下降算法將θ更新為θ′_m，公式如下：

X表示人臉數據，表示生成的噪聲標簽，步長α是固定的超參數；

S5.采用元學習模型學習策略對所述人臉識別模型的參數進行優化，將待識別人臉數據輸入優化后的人臉識別模型，得到人臉識別結果。

2.根據權利要求1所述的基于抗噪聲元學習的人臉識別方法，其特征在于，所述步驟S5具體包括步驟：

將θ參數化的模型定義為學生模型，構造由參數化的教師模型，其參數為學生參數的指數移動平均值；每次訓練時采用以下公式更新教師模型的參數：

其中γ是平滑系數超參數；

由于教師模型不受合成噪聲標簽的影響，因此強制計算一致性損失，該一致性損失確保每個更新的模型參數θ′_m與同一輸入樣本上的教師模型具有一致的預測；元損失定義為所有一致性損失的平均值，對元學習的損失函數進行梯度下降，在元學習權重參數更新之后，對原始的小批量人臉數據進行隨機梯度下降優化分類損失函數；

多次迭代以上步驟，直至元學習模型與教師模型預測穩定相同且達到預設準確率，得到優化后的基于抗噪聲元學習的人臉識別模型，將待識別人臉數據輸入該模型后得到人臉識別結果。