[發明專利]人臉識別模型的訓練方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010722196.0
• 申請日: 2020-07-24
• 公開（公告）號: CN111860364A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 沈濤
• 申請（專利權）人: 攜程計算機技術（上海）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 徐莉;鐘宗

本發明涉及人臉識別技術領域，提供一種人臉識別模型的訓練方法、裝置、電子設備和存儲介質。所述人臉識別模型的訓練方法包括：獲得人臉識別模型的批處理數據量和訓練集的類別數；基于隨機數構建0?1分布，生成列數為所述類別數的參數向量；根據所述參數向量調整人臉識別損失函數的固定縮放比例，獲得可調縮放向量，并根據所述可調縮放向量獲得行數為所述批處理數據量且列數為所述類別數的縮放矩陣；采用所述縮放矩陣對所述人臉識別模型的輸出進行重縮放；以及基于重縮放后的輸出，監督訓練所述人臉識別模型。本發明通過對人臉識別損失函數的固定縮放比例進行調整，生成能增大類中心向量之間距離的可調縮放向量，提升人臉識別模型的識別準確率。

技術領域

本發明涉及人臉識別技術領域，具體地說，涉及一種人臉識別模型的訓練方法、裝置、電子設備和存儲介質。

背景技術

ArcFace(Additive Angular Margin Loss for Deep Face Recognition，深度人臉識別的加性角度間隔損失)是人臉識別領域的最新技術，其損失函數為ArcFace loss(加性角度間隔損失函數)，人臉識別模型的識別準確率主要取決于損失函數的設計。

ArcFace loss在傳統人臉識別技術的基礎上通過添加角度余量(angularmargin)提高類間可分性并加強類內緊度。但是，沒有對特征縮放的半徑大小做合理的設置，只取固定縮放比例，使所有的特征向量和類中心向量都變成相同的向量長度，即使所有的特征向量和類中心向量都縮放到半徑為該固定縮放比例的超球體上。

如果在保持添加的角度余量之后，同時維持特征向量和類中心向量之前的長度不變，那么縮放比例應該等于特征向量和類中心向量的長度之積，特征向量是根據輸入數據和卷積層的參數決定的，其長度一直在變化；類中心向量是可學習參數，其長度也一直在變化。由此可見，要求特征向量和類中心向量的長度之積固定不變等于固定縮放比例并不是一個好的約束。

需要說明的是，上述背景技術部分公開的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

有鑒于此，本發明提供一種人臉識別模型的訓練方法、裝置、電子設備和存儲介質，可以通過對人臉識別損失函數的固定縮放比例進行調整，生成能增大類中心向量之間距離的可調縮放向量，提升人臉識別模型的識別準確率。

本發明的一個方面提供一種人臉識別模型的訓練方法，包括步驟：獲得人臉識別模型的批處理數據量和訓練集的類別數；基于隨機數構建0-1分布，生成列數為所述類別數的參數向量；根據所述參數向量調整人臉識別損失函數的固定縮放比例，獲得可調縮放向量，并根據所述可調縮放向量獲得行數為所述批處理數據量且列數為所述類別數的縮放矩陣；采用所述縮放矩陣對所述人臉識別模型的輸出進行重縮放；以及基于重縮放后的輸出，監督訓練所述人臉識別模型。

在一些實施例中，所述人臉識別模型基于深度卷積神經網絡構建，所述人臉識別損失函數是加性角度間隔損失函數。

在一些實施例中，根據所述參數向量調整人臉識別損失函數的固定縮放比例的步驟包括：altered_s＝S+selected_vector*S*2*(1-cosθ_j)，其中，altered_s是所述可調縮放向量，所述可調縮放向量的列數為所述類別數，S是所述固定縮放比例，selected_vector是所述參數向量，θ_j是的相鄰兩類別的類中心向量的夾角，所述類中心向量根據所述人臉識別模型的輸出獲得。

在一些實施例中，根據所述參數向量調整人臉識別損失函數的固定縮放比例的步驟包括：