[發明專利]基于多任務的人臉識別方法、裝置、服務器和可讀存儲介質

在審

• 申請號: 202010419380.8
• 申請日: 2020-05-18
• 公開（公告）號: CN111598000A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 賀菁菁;浦貴陽
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

1.一種基于多任務的人臉識別方法，其特征在于，包括：

構建人臉識別模型，所述人臉識別模型包括人臉屬性識別多任務模塊，所述人臉屬性識別多任務模塊包括至少兩個子任務模塊；

對所述多任務模塊中的每個子任務模塊進行全局訓練；

對經過全局訓練后的所述多任務模塊中的至少一個子任務模塊進行微調，使微調后的每個子任務模塊更精確；

利用微調后的所述多任務模塊對待識別人臉候選區域進行人臉屬性識別。

2.根據權利要求1所述的方法，其特征在于，所述人臉識別模型還包括人臉區域提取模塊，在所述利用微調后的所述多任務模塊對待處理人臉候選區域進行人臉屬性識別之前，所述方法還包括：

利用所述人臉區域提取模塊從待處理人臉圖像中提取所述待識別人臉候選區域。

3.根據權利要求1或2中所述的方法，其特征在于，還包括：

接收子任務模塊修改請求，所述修改請求包括添加、修改或刪除子任務模塊請求；

根據所述子任務模塊修改請求，添加、修改或刪除所述人臉屬性識別多任務模塊中的子任務模塊。

4.根據權利要求1或2所述的方法，其特征在于，所述構建人臉識別模型包括：

構造訓練數據集，所述訓練數據集中的每個樣本進行單獨標注；

構建網絡模型；

所述對所述多任務模塊中的每個子任務模塊進行全局訓練為：利用所述訓練數據集對所述網絡模型進行全局參數訓練，依據每個樣本的單獨標注實現每個樣本的參數訓練。

5.根據權利要求4所述的方法，其特征在于，所述利用所述訓練數據集對所述網絡模型進行全局參數訓練，依據每個樣本的單獨標注實現每個樣本的參數訓練包括：

在每個樣本內計算損失函數時，根據標注信息判斷任務類型；

若某個樣本的任務類型不包含在相應任務中，則不計算所述某個樣本的損失函數。

6.根據權利要求1或2所述的方法，其特征在于，所述對所述多任務模塊中的每個子任務模塊進行全局訓練包括：

在人臉區域坐標回歸任務中，對人臉區域部分進行網絡參數調整，使調整后的網絡參數更精確；和/或，

在人臉關鍵點坐標回歸任務中，對人臉區域內可見關鍵點進行網絡參數的調整，使調整后的網絡參數更精確。

7.根據權利要求1或2所述的方法，其特征在于，所述對經過全局訓練后的所述多任務模塊中的至少一個子任務模塊進行微調為：在經過全局訓練后的所述多任務模塊中的至少一個子任務模塊的全連接輸出層之間添加一個全連接層。

8.一種基于多任務的人臉識別裝置，其特征在于，

模型構建單元，用于構建人臉識別模型，所述人臉識別模型包括人臉屬性識別多任務模塊，所述人臉屬性識別多任務模塊包括至少兩個子任務模塊；

全局訓練單元，用于對所述多任務模塊中的每個子任務模塊進行全局訓練；

微調單元，用于對經過全局訓練后的所述多任務模塊中的至少一個子任務模塊進行初次微調，使初次微調后的每個子任務模塊更精確；

人臉識別單元，利用微調后的所述多任務模塊對待識別人臉候選區域進行人臉屬性識別。

9.一種服務器，其特征在于，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至7中任一所述的基于多任務的人臉識別方法。

10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的基于多任務的人臉識別方法。