[發明專利]人臉識別模型的訓練方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110277869.0
• 申請日: 2021-03-15
• 公開（公告）號: CN112766423A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 陳嘉莉;周超勇;劉玉宇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 賀小旺

本申請涉及生物識別技術，尤其涉及人臉識別，提供了一種人臉識別模型的訓練方法、裝置、計算機設備及可讀存儲介質，通過在帶標簽樣本集上進行監督訓練得到預訓練模型；根據預訓練模型從無標簽樣本集中剔除重疊樣本得到去重無標簽樣本集；對去重無標簽樣本集的樣本分配偽標簽得到偽標簽樣本集；根據帶標簽樣本集的樣本及所述偽標簽樣本集的樣本對人臉識別模型進行訓練，得到預測模型。本申請通過針對重疊樣本的相關處理，降低了標簽噪音的影響，提高了得到的訓練模型的準確性，可以更有利地利用無標簽樣本提升得到的訓練模型的性能。本申請還涉及區塊鏈技術，得到的預測模型可以存儲于區塊鏈中。

技術領域

本申請涉及生物識別技術，尤其涉及人臉識別領域，具體涉及一種人臉識別模型的訓練方法、裝置、計算機設備及可讀存儲介質。

背景技術

半監督學習是模式識別和機器學習領域研究的重點問題，是監督學習與無監督學習相結合的一種學習方法。半監督學習的特點是同時使用未標記的無標簽樣本以及標記的帶標簽樣本來進行模式識別訓練。當使用半監督學習時，將會要求盡量少的人員來從事工作，同時，又能夠帶來比較高的準確性，因此，半監督學習正越來越受到人們的重視。

例如，人臉識別應用在大規模標簽數據中的應用已經較為成熟，但數據的標簽需要人工注釋，成本高、效率低。因此，利用無標簽樣本來進一步提升人臉識別的性能成為當前人臉識別的研究重點。在大規模的人臉識別中，利用無標簽樣本和帶標簽樣本一起對人臉識別模型進行訓練時，往往會遇到部分無標簽樣本與帶標簽樣本來自同一身份的人情況，從而導致明顯的標記噪音，影響學習得到的人臉識別模型的性能。

發明內容

本申請提供了一種人臉識別模型的訓練方法、裝置、計算機設備及可讀存儲介質，能夠在訓練中利用無標簽樣本集進行訓練，且可以降低無標簽樣本集與帶標簽樣本集之間樣本重疊造成的標簽噪音，提高了訓練的準確性，可提高訓練所得的人臉識別模型的性能。

第一方面，本申請提供了一種人臉識別模型的訓練方法，其特征在于，所述方法包括：

在帶標簽樣本集上進行監督訓練得到預訓練模型，所述帶標簽樣本集包括已被標記標簽的人臉樣本；

根據所述預訓練模型從無標簽樣本集中剔除重疊樣本得到去重無標簽樣本集，所述無標簽樣本集包括未被標記標簽的人臉樣本，所述重疊樣本為所述無標簽樣本集中與所述帶標簽樣本集的樣本有相同對象的樣本；

對所述去重無標簽樣本集的樣本分配偽標簽得到偽標簽樣本集；

根據所述帶標簽樣本集的樣本及所述偽標簽樣本集的樣本對人臉識別模型進行訓練，得到預測模型。

第二方面，提供了一種人臉識別模型的訓練裝置，其特征在于，所述裝置包括：

預訓練模塊，用于在帶標簽樣本集上進行監督訓練得到預訓練模型，所述帶標簽樣本集包括已被標記標簽的人臉樣本；

樣本去重模塊，用于根據所述預訓練模型從無標簽樣本集中剔除重疊樣本得到去重無標簽樣本集，所述無標簽樣本集包括未被標記標簽的人臉樣本，所述重疊樣本為所述無標簽樣本集中與所述帶標簽樣本集的樣本有相同對象的樣本；

偽標簽分配模塊，用于對所述去重無標簽樣本集的樣本分配偽標簽得到偽標簽樣本集；

識別模型訓練模塊，用于根據所述帶標簽樣本集的樣本及所述偽標簽樣本集的樣本對人臉識別模型進行訓練，得到預測模型。

第三方面，本申請提供了一種計算機設備，所述計算機設備包括存儲器和處理器；所述存儲器用于存儲計算機程序；所述處理器，用于執行所述計算機程序并在執行所述計算機程序時實現上述的人臉識別模型的訓練方法。

第四方面，本申請提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，若所述計算機程序被處理器執行，實現上述的人臉識別模型的訓練方法。