[發明專利]基于裝置上訓練的識別用戶的方法和設備

在審

• 申請號: 202010637175.9
• 申請日: 2020-07-03
• 公開（公告）號: CN112446408A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 李*煥;金圭洪;韓在濬
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F21/32
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 方成;張川緒

提供一種基于裝置上訓練的識別用戶的方法和設備。一種基于裝置上訓練的用戶識別方法包括：基于與廣義用戶對應的參考數據和用戶數據對特征提取器執行裝置上訓練；基于來自特征提取器的響應于用戶數據的輸入的輸出，確定注冊特征向量；基于來自特征提取器的響應于測試數據的輸入的輸出，確定測試特征向量；以及基于將注冊特征向量與測試特征向量進行比較的結果對測試用戶執行用戶識別。

本申請要求于2019年9月2日提交到韓國知識產權局的第10-2019-0108199號韓國專利申請和于2019年10月14日提交到韓國知識產權局的第10-2019-0127239號韓國專利申請的權益，所述韓國專利申請的全部公開出于所有目的通過引用包含于此。

技術領域

以下描述涉及一種基于裝置上訓練(on-device training-based)的用戶識別方法和設備。

背景技術

例如，識別的技術自動化已經通過作為專用計算架構的處理器實現的神經網絡模型實現，該神經網絡模型在經過大量訓練之后可在輸入模式與輸出模式之間提供計算上直觀的映射。產生這樣的映射的訓練能力可稱為神經網絡的學習能力。此外，由于專門的訓練，這樣的經過特殊訓練的神經網絡因此可具有針對例如神經網絡可能尚未訓練的輸入模式生成相對準確的輸出的泛化能力。

發明內容

提供本發明內容，以便以簡化的形式介紹將在下面的具體實施方式中進一步描述的概念的選擇。本發明內容不意圖確定要求保護的主題的關鍵特征或必要特征，也不意圖用于幫助確定要求保護的主題的范圍。

在一個總體方面，一種識別方法包括：接收由有效用戶輸入的用于用戶注冊的用戶數據；基于用戶數據和與廣義用戶對應的參考數據對特征提取器執行裝置上訓練；基于來自特征提取器的響應于用戶數據的輸入的輸出，確定注冊特征向量；接收由測試用戶輸入的用于用戶識別的測試數據；基于來自特征提取器的響應于測試數據的輸入的輸出，確定測試特征向量；以及基于將注冊特征向量與測試特征向量進行比較的結果，對測試用戶執行用戶識別。

特征提取器可包括具有設定參數的第一神經網絡和具有可調參數的第二神經網絡。第二神經網絡的可調參數可通過裝置上訓練進行調整。第一神經網絡可被預訓練，以從基于大用戶數據庫(DB)的輸入數據提取特征。執行裝置上訓練的步驟可包括：分別向用戶數據和參考數據分配不同值的標簽；以及基于將所述標簽與來自特征提取器的響應于用戶數據和參考數據的輸入的輸出進行比較的結果，執行裝置上訓練。

特征提取器可包括具有設定參數的第一神經網絡和具有可調參數的第二神經網絡。執行裝置上訓練的步驟可包括：將用戶數據輸入到第一神經網絡；向第二神經網絡輸入參考數據和來自第一神經網絡的響應于用戶數據的輸入的輸出；以及基于來自第二神經網絡的輸出執行裝置上訓練。參考數據可包括與廣義用戶對應的廣義特征向量。可通過將與多個廣義用戶對應的特征向量分組為簇來生成廣義特征向量。

執行用戶識別的步驟可包括：基于將注冊特征向量與測試特征向量之間的距離與閾值進行比較的結果來執行用戶識別。基于注冊特征向量與測試特征向量之間的余弦距離和注冊特征向量與測試特征向量之間的歐式距離中的一個，確定注冊特征向量與測試特征向量之間的距離。當確定了注冊特征向量時，所述識別方法還可包括：將確定的注冊特征向量存儲在注冊用戶數據庫中。

在另一總體方面，一種識別方法包括：獲得包括具有設定參數的第一神經網絡和具有可調參數的第二神經網絡的特征提取器；基于與有效用戶對應的用戶數據和與廣義用戶對應的參考數據，對特征提取器執行裝置上訓練；以及當裝置上訓練完成時，使用特征提取器對測試數據執行用戶識別。

在另一總體方面，一種用于設置在用戶裝置中的特征提取器的裝置上訓練方法，所述特征提取器包括被預訓練并具有設定參數的第一神經網絡和具有可調參數的第二神經網絡，所述裝置上訓練方法包括：獲得由有效用戶輸入的用戶數據；將用戶數據輸入到第一神經網絡；以及通過向第二神經網絡輸入預設參考數據和來自第一神經網絡的響應于用戶數據的輸入的輸出，調節第二神經網絡的可調參數。