[發(fā)明專利]評(píng)估人臉識(shí)別模型、針對(duì)圖像的分類模型的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011176713.5
• 申請(qǐng)日: 2020-10-28
• 公開(kāi)（公告）號(hào): CN112215201B
• 公開(kāi)（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 宗志遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種評(píng)估人臉識(shí)別模型的方法，包括：

獲取樣本集；所述樣本集的每個(gè)樣本包括兩幅人臉圖像；

將所述樣本集中任意的第一樣本中的兩幅人臉圖像，輸入預(yù)先訓(xùn)練的人臉識(shí)別模型，以預(yù)測(cè)第一比對(duì)結(jié)果；其中，所述第一比對(duì)結(jié)果指示所述兩幅人臉圖像相一致的概率；

針對(duì)所述兩幅人臉圖像中任意的第一人臉圖像，采用熱力圖生成方法，基于所述第一比對(duì)結(jié)果以及所述第一人臉圖像，生成人臉熱力圖；其中，所述人臉熱力圖示出所述第一人臉圖像中各個(gè)區(qū)域?qū)τ谒龅谝槐葘?duì)結(jié)果的敏感度；

根據(jù)所述人臉熱力圖，在所述第一人臉圖像中確定擾動(dòng)區(qū)域；

采用擾動(dòng)方法，對(duì)所述擾動(dòng)區(qū)域進(jìn)行擾動(dòng)，得到擾動(dòng)后的第一人臉圖像；

將所述擾動(dòng)后的第一人臉圖像以及另一幅人臉圖像，輸入所述人臉識(shí)別模型，以預(yù)測(cè)第二比對(duì)結(jié)果；其中，所述第二比對(duì)結(jié)果指示所述擾動(dòng)后的第一人臉圖像與所述另一幅人臉圖像相一致的概率；

根據(jù)所述樣本集中各樣本的第一比對(duì)結(jié)果和第二比對(duì)結(jié)果，確定所述人臉識(shí)別模型的魯棒性評(píng)估結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，所述人臉識(shí)別模型包括具有相同網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)CNN；所述CNN至少包括卷積層；

所述將所述樣本集中任意的第一樣本中的兩幅人臉圖像，輸入預(yù)先訓(xùn)練的人臉識(shí)別模型，以預(yù)測(cè)第一比對(duì)結(jié)果，包括：

將所述兩幅人臉圖像分別作為所述兩個(gè)CNN的輸入，得到所述兩個(gè)CNN各自的卷積層的輸出結(jié)果；

基于所述兩個(gè)CNN各自的卷積層的輸出結(jié)果，計(jì)算所述兩幅人臉圖像之間的距離；

基于所述距離，確定所述第一比對(duì)結(jié)果。

3.根據(jù)權(quán)利要求2所述的方法，所述采用熱力圖生成方法，基于所述第一比對(duì)結(jié)果以及所述第一人臉圖像，生成人臉熱力圖，包括：

獲取所述第一人臉圖像對(duì)應(yīng)的CNN的卷積層的輸出結(jié)果；所述輸出結(jié)果包括m個(gè)特征圖；其中，每個(gè)特征圖包含若干像素；m為正整數(shù)；

對(duì)于所述m個(gè)特征圖中任意的第一特征圖，基于所述第一比對(duì)結(jié)果，計(jì)算所述第一特征圖中各像素的梯度，并基于計(jì)算的各像素的梯度，確定所述第一特征圖的總梯度；所述總梯度用于反映所述第一特征圖所對(duì)應(yīng)區(qū)域的敏感度；

將對(duì)應(yīng)于所述m個(gè)特征圖中各特征圖的總梯度作為其權(quán)重，對(duì)所述各特征圖進(jìn)行加權(quán)求和，得到若干熱力值；

將所述若干熱力值各自映射為對(duì)應(yīng)的顏色值，并基于映射得到的顏色值，繪制映射圖；

將所述映射圖調(diào)整到與所述第一人臉圖像大小相同后，疊加到所述第一人臉圖像中，得到所述人臉熱力圖。

4.根據(jù)權(quán)利要求1所述的方法，所述根據(jù)所述人臉熱力圖，在所述第一人臉圖像中確定擾動(dòng)區(qū)域，包括：

采用特征點(diǎn)檢測(cè)算法，在所述第一人臉圖像中檢測(cè)若干關(guān)鍵特征點(diǎn)；

從所述若干關(guān)鍵特征點(diǎn)中，選取落入敏感度大于預(yù)定閾值的目標(biāo)區(qū)域的各目標(biāo)特征點(diǎn)；

基于所述各目標(biāo)特征點(diǎn)，確定所述第一人臉圖像的擾動(dòng)區(qū)域。

5.根據(jù)權(quán)利要求4所述的方法，所述特征點(diǎn)檢測(cè)算法包括以下任一種：尺度不變特征變換匹配SIFT算法、加速穩(wěn)健特征SURF算法、ORB算法以及加速分割測(cè)試獲得特征FAST算法、openVC算法以及Dlib算法。

6.根據(jù)權(quán)利要求1所述的方法，所述擾動(dòng)方法包括以下任一種：光照擾動(dòng)、顏色擾動(dòng)、噪聲擾動(dòng)以及運(yùn)動(dòng)模糊。

7.根據(jù)權(quán)利要求1所述的方法，所述根據(jù)所述樣本集中各樣本的第一比對(duì)結(jié)果和第二比對(duì)結(jié)果，確定所述人臉識(shí)別模型的魯棒性評(píng)估結(jié)果，包括：

統(tǒng)計(jì)所述樣本集中第一比對(duì)結(jié)果與第二比對(duì)結(jié)果不相匹配的目標(biāo)樣本的第一數(shù)目；

根據(jù)所述第一數(shù)目與所述樣本集中各樣本的總數(shù)目之比，確定所述人臉識(shí)別模型的魯棒性評(píng)估結(jié)果。