[發明專利]人臉識別模型的訓練方法、裝置及計算機程序產品

有效

• 申請號: 202110932515.5
• 申請日: 2021-08-13
• 公開（公告）號: CN113627361B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 彭楠;李弼;希滕;張剛
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/74;G06V10/764
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本公開提供了人臉識別模型的訓練方法、裝置、電子設備、存儲介質及計算機程序產品，涉及人工智能領域，具體涉及計算機視覺和深度學習技術，可用于人臉識別場景下。具體實現方案為：執行如下訓練操作，直至得到人臉識別模型：從訓練樣本集中選取訓練樣本，并通過初始人臉識別模型得到所選取的訓練樣本中的樣本人臉圖像的人臉特征，訓練樣本包括樣本人臉圖像和類別標簽；基于人臉特征與預設類別集合中的各類別的類別特征，通過初始人臉識別模型確定人臉特征與各類別特征之間的相似度，以及相似度的偏置；根據相似度、偏置和所選取的訓練樣本的類別標簽，確定分類損失，并根據分類損失更新初始人臉識別模型。本公開提高了人臉識別模型的識別精度。

技術領域

本公開涉及人工智能領域，具體涉及計算機視覺和深度學習技術，尤其涉及人臉識別模型的訓練方法、裝置、電子設備、存儲介質以及計算機程序產品，可用于人臉識別場景下。

背景技術

近年來，隨著深度學習技術的發展，基于深度學習技術的人臉識別的精度大幅提升。人臉識別在很多場景下有重要應用，如機場、火車站等換乘場景下的人證比對，私域管理場景下的門禁刷臉，金融場景下的真人核驗等。在這些豐富的落地場景中，存在復雜光線、大角度人臉、人臉遮擋、圖片模糊等復雜情況，使得深度學習模型在不同場景下能生成足夠穩健的人臉特征，并在合適的度量空間中計算足夠可信的人臉特征對的相似度，成為人臉識別的研究熱點。

發明內容

本公開提供了一種人臉識別模型的訓練方法、裝置、電子設備、存儲介質以及計算機程序產品。

根據第一方面，提供了一種人臉識別模型的訓練方法，執行如下訓練操作，直至得到人臉識別模型：從訓練樣本集中選取訓練樣本，并通過初始人臉識別模型得到所選取的訓練樣本中的樣本人臉圖像的人臉特征，其中，訓練樣本集中的訓練樣本包括樣本人臉圖像和類別標簽；基于人臉特征與預設類別集合中的各類別的類別特征，通過初始人臉識別模型確定人臉特征與各類別特征之間的相似度，以及相似度的偏置；根據相似度、偏置和所選取的訓練樣本的類別標簽，確定分類損失，并根據分類損失更新初始人臉識別模型。

根據第二方面，提供了一種人臉識別方法，包括：獲取待識別圖像；通過預訓練的人臉識別模型識別待識別圖像，得到人臉識別結果，其中，人臉識別模型通過第一方面任一實現方式訓練得到。

根據第三方面，提供了一種人臉識別模型的訓練裝置，執行如下訓練操作，直至得到人臉識別模型：得到單元，被配置成從訓練樣本集中選取訓練樣本，并通過初始人臉識別模型得到所選取的訓練樣本中的樣本人臉圖像的人臉特征，其中，訓練樣本集中的訓練樣本包括樣本人臉圖像和類別標簽；確定單元，被配置成基于人臉特征與預設類別集合中的各類別的類別特征，通過初始人臉識別模型確定人臉特征與各類別特征之間的相似度，以及相似度的偏置；更新單元，被配置成根據相似度、偏置和所選取的訓練樣本的類別標簽，確定分類損失，并根據分類損失更新初始人臉識別模型。

根據第四方面，提供了一種人臉識別裝置，包括：獲取單元，被配置成獲取待識別圖像；識別單元，被配置成通過預訓練的人臉識別模型識別待識別圖像，得到人臉識別結果，其中，人臉識別模型通過第一方面任一實現方式訓練得到。

根據第五方面，提供了一種電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行如第一方面、第二方面任一實現方式描述的方法。

根據第六方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，計算機指令用于使計算機執行如第一方面、第二方面任一實現方式描述的方法。

根據第七方面，提供了一種計算機程序產品，包括：計算機程序，計算機程序在被處理器執行時實現如第一方面、第二方面任一實現方式描述的方法。