[發(fā)明專(zhuān)利]多姿態(tài)人臉性別檢測(cè)訓(xùn)練優(yōu)化方法、裝置及相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202011521184.8
• 申請(qǐng)日: 2020-12-21
• 公開(kāi)（公告）號(hào): CN112633146A
• 公開(kāi)（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 李偉;蔡亮;張帥;李吉明;匡立中
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州趣鏈科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06N3/04;G06N3/08;G06F21/60
• 代理公司: 深圳眾鼎匯成知識(shí)產(chǎn)權(quán)代理有限公司 44566
• 代理人: 張宏杰

本發(fā)明公開(kāi)了一種基于聯(lián)邦學(xué)習(xí)的多姿態(tài)人臉性別檢測(cè)訓(xùn)練優(yōu)化方法，應(yīng)用于人臉活體檢測(cè)領(lǐng)域，用于解決現(xiàn)有人臉性別檢測(cè)方法對(duì)硬件設(shè)備、數(shù)據(jù)數(shù)量及質(zhì)量高要求，模型泛化能力低的技術(shù)問(wèn)題。本發(fā)明提供的方法包括：接收梯度信息與參數(shù)信息，根據(jù)梯度信息獲取聯(lián)邦模型參數(shù)；梯度信息與參數(shù)信息包括對(duì)已標(biāo)注性別與頭部姿態(tài)分類(lèi)標(biāo)簽的人臉圖片訓(xùn)練得到的梯度信息、參數(shù)信息和客戶(hù)端更新本地訓(xùn)練模型后的本地梯度信息、本地參數(shù)信息；通過(guò)聯(lián)邦模型參數(shù)和梯度信息獲得聯(lián)邦學(xué)習(xí)梯度信息后更新服務(wù)端聯(lián)邦模型的參數(shù)；判斷聯(lián)邦模型損失值是否達(dá)到預(yù)設(shè)值，若損失值達(dá)到預(yù)設(shè)值，則結(jié)束方法流程；若損失值未達(dá)到預(yù)設(shè)值，則返回繼續(xù)執(zhí)行上述步驟。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉檢測(cè)領(lǐng)域，尤其涉及一種基于聯(lián)邦學(xué)習(xí)的多姿態(tài)人臉性別檢測(cè)訓(xùn)練優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

聯(lián)邦學(xué)習(xí)，是一種新興的人工智能技術(shù)，旨在保障數(shù)據(jù)交換時(shí)的信息安全，保護(hù)終端數(shù)據(jù)與個(gè)人隱私數(shù)據(jù)安全，在多個(gè)計(jì)算節(jié)點(diǎn)之前進(jìn)行高效率的機(jī)器學(xué)習(xí)。

現(xiàn)在的人臉性別檢測(cè)模型主要利用大數(shù)據(jù)量的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，通過(guò)大數(shù)據(jù)量與增加訓(xùn)練次數(shù)、調(diào)整訓(xùn)練參數(shù)來(lái)增強(qiáng)模型性能，提高檢測(cè)率。但是大數(shù)據(jù)量的訓(xùn)練數(shù)據(jù)一般不會(huì)單獨(dú)針對(duì)不同姿態(tài)的人臉重新標(biāo)記，為了提高神經(jīng)網(wǎng)絡(luò)對(duì)多姿態(tài)人臉檢測(cè)的擬合能力，需要準(zhǔn)備大量的訓(xùn)練數(shù)據(jù)，對(duì)數(shù)據(jù)的數(shù)量和質(zhì)量的要求相對(duì)較高。同時(shí)因?yàn)樾枰槍?duì)大數(shù)據(jù)量的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)訓(xùn)練硬件設(shè)備的要求也更高。因?yàn)闆](méi)有對(duì)不同姿態(tài)的人臉進(jìn)行單獨(dú)標(biāo)記，訓(xùn)練過(guò)程中難以針對(duì)不同姿態(tài)的人臉特征進(jìn)行學(xué)習(xí)，只能借由標(biāo)記好的標(biāo)簽進(jìn)行訓(xùn)練，從而導(dǎo)致模型的泛化能力很難提升。因此，現(xiàn)有的人臉性別檢測(cè)方法存在對(duì)硬件設(shè)備和數(shù)據(jù)數(shù)量及質(zhì)量的要求較高，且模型泛化能力低的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種基于聯(lián)邦學(xué)習(xí)的多姿態(tài)人臉性別檢測(cè)訓(xùn)練優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有人臉性別檢測(cè)方法對(duì)硬件設(shè)備數(shù)據(jù)數(shù)量及質(zhì)量要求高，模型泛化能力低的技術(shù)問(wèn)題。

一種基于聯(lián)邦學(xué)習(xí)的多姿態(tài)人臉性別檢測(cè)訓(xùn)練優(yōu)化方法，包括：

A、對(duì)客戶(hù)端向服務(wù)端所發(fā)送的梯度信息與參數(shù)信息進(jìn)行接收，根據(jù)參數(shù)信息獲取聯(lián)邦模型參數(shù)；其中，梯度信息包括：基于神經(jīng)網(wǎng)絡(luò)對(duì)已標(biāo)注性別與頭部姿態(tài)分類(lèi)標(biāo)簽的人臉圖片進(jìn)行訓(xùn)練所得到的梯度信息和客戶(hù)端進(jìn)行本地訓(xùn)練模型更新所需的本地梯度信息；參數(shù)信息包括：基于神經(jīng)網(wǎng)絡(luò)對(duì)已標(biāo)注性別與頭部姿態(tài)分類(lèi)標(biāo)簽的人臉圖片進(jìn)行訓(xùn)練所得到的參數(shù)信息和客戶(hù)端進(jìn)行本地訓(xùn)練模型更新所需本地參數(shù)信息；

B、基于異步隨機(jī)梯度下降優(yōu)化算法對(duì)聯(lián)邦模型參數(shù)和梯度信息進(jìn)行計(jì)算，獲得聯(lián)邦學(xué)習(xí)梯度信息；

C、根據(jù)聯(lián)邦模型參數(shù)和聯(lián)邦學(xué)習(xí)梯度信息，對(duì)服務(wù)端的聯(lián)邦模型進(jìn)行參數(shù)更新；

D、判斷聯(lián)邦模型中的損失值是否達(dá)到預(yù)設(shè)值，若損失值達(dá)到預(yù)設(shè)值，則結(jié)束方法流程；若損失值未達(dá)到預(yù)設(shè)值，則返回繼續(xù)執(zhí)行步驟A至D。

一種基于聯(lián)邦學(xué)習(xí)的多姿態(tài)人臉性別檢測(cè)訓(xùn)練優(yōu)化裝置，包括：

獲取參數(shù)模塊，用于對(duì)客戶(hù)端向服務(wù)端所發(fā)送的梯度信息與參數(shù)信息進(jìn)行接收，根據(jù)所述參數(shù)信息獲取聯(lián)邦模型參數(shù)；其中，所述梯度信息包括：基于神經(jīng)網(wǎng)絡(luò)對(duì)已標(biāo)注性別與頭部姿態(tài)分類(lèi)標(biāo)簽的人臉圖片進(jìn)行訓(xùn)練所得到的梯度信息和所述客戶(hù)端進(jìn)行本地訓(xùn)練模型更新所需的本地梯度信息；所述參數(shù)信息包括：基于神經(jīng)網(wǎng)絡(luò)對(duì)已標(biāo)注性別與頭部姿態(tài)分類(lèi)標(biāo)簽的人臉圖片進(jìn)行訓(xùn)練所得到的參數(shù)信息和所述客戶(hù)端進(jìn)行本地訓(xùn)練模型更新所需本地參數(shù)信息；

獲取信息模塊，用于基于異步隨機(jī)梯度下降優(yōu)化算法對(duì)所述聯(lián)邦模型參數(shù)和所述梯度信息進(jìn)行計(jì)算，獲得聯(lián)邦學(xué)習(xí)梯度信息；

參數(shù)更新模塊，用于根據(jù)所述聯(lián)邦模型參數(shù)和所述聯(lián)邦學(xué)習(xí)梯度信息，對(duì)服務(wù)端的聯(lián)邦模型進(jìn)行參數(shù)更新；