[發明專利]機器學習模型的訓練方法、裝置、人臉的識別方法和裝置

在審

• 申請號: 202010723795.4
• 申請日: 2020-07-24
• 公開（公告）號: CN112101542A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 王軍;杜航;劉昱赤;石海林;梅濤
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06K9/62;G06K9/00
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 張雷;許蓓

1.一種機器學習模型的訓練方法，包括：

利用機器學習模型提取各圖像樣本數據的特征向量，并根據各特征向量確定所述各圖像樣本數據中目標的分類結果；

根據所述各圖像樣本數據中目標的標注結果和所述分類結果，判斷所述各圖像樣本數據中目標被分類到了正確分類還是錯誤分類；

在任一個圖像樣本數據中目標被分類到了錯誤分類的情況下，降低該圖像樣本數據與所述正確分類之間的第一特征相似度，增加該圖像樣本數據與所述錯誤分類之間的第二特征相似度；

根據所有降低后的所述第一特征相似度、增加后的所述第二特征相似度計算損失函數，用于訓練所述機器學習模型。

2.根據權利要求1所述的訓練方法，其中，

所述損失函數與降低后的所述第一特征相似度負相關，與降低后的所述第一特征相似度和增加后的所述第二特征相似度之和正相關。

3.根據權利要求2所述的訓練方法，其中，所述降低該圖像樣本數據與所述正確分類之間的第一特征相似度，增加該圖像樣本數據與所述錯誤分類之間的第二特征相似度包括：

將所述第二特征相似度大于所述第一特征相似度的錯誤分類，確定為該圖像樣本數據的干擾錯誤分類；

根據所述干擾錯誤分類，降低該圖像樣本數據與所述正確分類之間的第一特征相似度，增加該圖像樣本數據與所述錯誤分類之間的第二特征相似度。

4.根據權利要求3所述的訓練方法，其中，所述降低該圖像樣本數據與所述正確分類之間的第一特征相似度包括：

增加該圖像樣本數據的特征向量與所述正確分類的特征向量的夾角，所述夾角的增加幅度與該圖像樣本數據和每一個干擾錯誤分類的相似度之和正相關，與所述干擾錯誤分類的數量負相關；

根據增加后的夾角，計算降低后的第一特征相似度。

5.根據權利要求3所述的訓練方法，其中，所述增加該圖像樣本數據與所述錯誤分類之間的第二特征相似度包括：

增加該圖像樣本數據與每一個干擾錯誤分類的相應的第二特征相似度。

6.根據權利要求5所述的訓練方法，其中，

增大后的第二特征相似度與增大前的第二特征相似度呈線性關系。

7.根據權利要求1所述的訓練方法，還包括：

在所述圖像樣本數據中目標被分類到了正確分類的情況下，降低所述圖像樣本數據與所述正確分類之間的第一特征相似度；

根據所有降低后的第一特征相似度計算所述損失函數。

8.根據權利要求7所述的訓練方法，其中，

在所述圖像樣本數據中目標被分類到了正確分類的情況下，所述第一特征相似度的降低幅度小于在所述圖像樣本數據中目標被分類到了錯誤分類的情況下，所述第一特征相似度的降低幅度。

9.根據權利要求1-8任一項所述的訓練方法，其中，

所述圖像樣本數據為人臉圖像樣本數據；

還包括：

根據人臉圖像數據，利用完成訓練的所述機器學習模型，進行人臉識別。

10.一種機器學習模型的訓練裝置，包括：

分類單元，用于利用機器學習模型提取各圖像樣本數據的特征向量，并根據各特征向量確定所述各圖像樣本數據中目標的分類結果；

判斷單元，用于根據所述各圖像樣本數據中目標的標注結果和所述分類結果，判斷所述各圖像樣本數據中目標被分類到了正確分類還是錯誤分類；

相似度處理單元，用于在任一個圖像樣本數據中目標被分類到了錯誤分類的情況下，降低該圖像樣本數據與所述正確分類之間的第一特征相似度，增加該圖像樣本數據與所述錯誤分類之間的第二特征相似度；

訓練單元，用于根據所有降低后的所述第一特征相似度、增加后的所述第二特征相似度計算損失函數，用于訓練所述機器學習模型。