[發明專利]人臉識別模型的訓練方法、人臉識別方法及電子設備

在審

• 申請號: 202111160624.6
• 申請日: 2021-09-30
• 公開（公告）號: CN113887416A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 張震國;吳劍平;史曉麗;毛曉蛟;章勇
• 申請（專利權）人: 蘇州市科遠軟件技術開發有限公司;蘇州科達科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 張琳琳

1.一種人臉識別模型的訓練方法，其特征在于，包括：

獲取人臉樣本圖像以及各個所述人臉樣本圖像的目標標簽；

將所述人臉樣本圖像輸入人臉識別模型中的特征提取模塊進行特征提取，得到多個特征圖；

將所述多個特征圖輸入所述人臉識別模型中的權重確定模塊中進行特征處理，分別確定各個所述特征圖對應的權重；

基于所述多個特征圖與所述對應的權重的融合結果，確定所述人臉識別模型的預測標簽；

根據所述目標標簽以及所述預測標簽的差異，對所述人臉識別模型的參數進行更新，確定目標人臉識別模型。

2.根據權利要求1所述的方法，其特征在于，所述將所述多個特征圖輸入所述人臉識別模型中的權重確定模塊中進行特征處理，分別確定各個所述特征圖對應的權重，包括：

利用所述權重確定模塊中的分組卷積層分別對各個所述特征圖進行分組卷積，得到與所述特征圖一一對應的第一特征向量；

對各個所述第一特征向量進行歸一化處理，確定各個所述特征圖對應的權重。

3.根據權利要求2所述的方法，其特征在于，所述對各個所述第一特征向量進行歸一化處理，確定各個所述特征圖對應的權重，包括：

利用所述權重確定模塊中的批歸一化層對所述第一特征向量進行批歸一化處理，得到與所述特征圖一一對應的第二特征向量；

利用所述權重確定模塊中的非線性層對所述第二特征向量進行非線性處理，得到對應的第三特征向量；

利用所述權重確定模塊中的維度變換層將所述第三特征向量變換為一維，確定各個所述特征圖對應的權重。

4.根據權利要求1所述的方法，其特征在于，所述基于所述多個特征圖與所述對應的權重的融合結果，確定所述人臉識別模型的預測標簽，包括：

計算各個所述特征圖與對應的權重的乘積，確定權重處理后的多個目標特征圖；

基于所述多個目標特征圖確定所述人臉識別模型的預測標簽。

5.根據權利要求1所述的方法，其特征在于，所述人臉樣本圖像包括簡單人臉樣本圖像以及困難人臉樣本圖像，所述根據所述目標標簽以及所述預測標簽的差異，對所述人臉識別模型的參數進行更新，確定目標人臉識別模型，包括：

獲取所述簡單人臉樣本圖像輸入初始人臉識別模型得到的第一預測標簽；

基于所述第一預測標簽以及所述簡單人臉樣本圖像的目標標簽的差異，對所述初始人臉識別模型的參數進行更新，確定初始目標人臉識別模型；

基于所述人臉樣本圖像對所述初始目標人臉識別模型中的全連接分類層參數進行調整，確定中間目標人臉識別模型；

獲取所述人臉樣本圖像輸入所述中間目標人臉識別模型后得到的第二預測標簽；

基于所述第二預測標簽以及所述人臉樣本圖像的目標標簽的差異，對所述中間目標人臉識別模型的參數進行更新，確定所述目標人臉識別模型。

6.一種人臉識別方法，其特征在于，包括：

獲取待識別人臉圖像；

將所述待識別人臉圖像輸入目標人臉識別模型中，確定所述待識別人臉圖像對應的標簽，所述目標人臉識別模型是根據權利要求1-6中任一項所述的人臉識別模型的訓練方法訓練得到的。

7.一種人臉識別模型的訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取人臉樣本圖像以及各個所述人臉樣本圖像的目標標簽；

特征提取模塊，用于將所述人臉樣本圖像輸入人臉識別模型中的特征提取模塊進行特征提取，得到多個特征圖；

特征處理模塊，用于將所述多個特征圖輸入所述人臉識別模型中的權重確定模塊中進行特征處理，分別確定各個所述特征圖對應的權重；

融合模塊，用于基于所述多個特征圖與所述對應的權重的融合結果，確定所述人臉識別模型的預測標簽；

更新模塊，用于根據所述目標標簽以及所述預測標簽的差異，對所述人臉識別模型的參數進行更新，確定目標人臉識別模型。