[發(fā)明專利]人臉識(shí)別模型的訓(xùn)練方法、人臉識(shí)別方法及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111160624.6
• 申請(qǐng)日: 2021-09-30
• 公開（公告）號(hào): CN113887416A
• 公開（公告）日: 2022-01-04
• 發(fā)明（設(shè)計(jì)）人: 張震國(guó);吳劍平;史曉麗;毛曉蛟;章勇
• 申請(qǐng)（專利權(quán)）人: 蘇州市科遠(yuǎn)軟件技術(shù)開發(fā)有限公司;蘇州科達(dá)科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽(yáng)光知識(shí)產(chǎn)權(quán)代理有限公司 11250
• 代理人: 張琳琳

本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，具體涉及人臉識(shí)別模型的訓(xùn)練方法、人臉識(shí)別方法及電子設(shè)備，所述訓(xùn)練方法包括獲取人臉樣本圖像以及各個(gè)所述人臉樣本圖像的目標(biāo)標(biāo)簽；將所述人臉樣本圖像輸入人臉識(shí)別模型中的特征提取模塊進(jìn)行特征提取，得到多個(gè)特征圖；將所述多個(gè)特征圖輸入所述人臉識(shí)別模型中的權(quán)重確定模塊中進(jìn)行特征處理，分別確定各個(gè)所述特征圖對(duì)應(yīng)的權(quán)重；基于所述多個(gè)特征圖與所述對(duì)應(yīng)的權(quán)重的融合結(jié)果，確定所述人臉識(shí)別模型的預(yù)測(cè)標(biāo)簽；根據(jù)所述目標(biāo)標(biāo)簽以及所述預(yù)測(cè)標(biāo)簽的差異，對(duì)所述人臉識(shí)別模型的參數(shù)進(jìn)行更新，確定目標(biāo)人臉識(shí)別模型。通過賦予不同特征圖不同的權(quán)重可以提高人臉識(shí)別模型的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，具體涉及人臉識(shí)別模型的訓(xùn)練方法、人臉識(shí)別方法及電子設(shè)備。

背景技術(shù)

當(dāng)前，人臉識(shí)別技術(shù)已經(jīng)得到了廣泛的應(yīng)用。人臉識(shí)別模型的訓(xùn)練，作為人臉識(shí)別技術(shù)的核心，直接決定著人臉識(shí)別技術(shù)的準(zhǔn)確性。現(xiàn)有的人臉識(shí)別模型一般是通過對(duì)輸入的人臉圖像進(jìn)行特征提取，得到各個(gè)部位的特征，再基于提取出的特征進(jìn)行人臉識(shí)別。然而，由于人臉各個(gè)部位在人臉識(shí)別中的重要程度不同，若對(duì)于各個(gè)部位均采用相同的特征處理方式進(jìn)行人臉識(shí)別，勢(shì)必會(huì)導(dǎo)致識(shí)別的準(zhǔn)確性偏低。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種人臉識(shí)別模型的訓(xùn)練方法、人臉識(shí)別方法及電子設(shè)備，以解決人臉識(shí)別模型的識(shí)別準(zhǔn)確性低的問題。

根據(jù)第一方面，本發(fā)明實(shí)施例提供了一種人臉識(shí)別模型的訓(xùn)練方法，包括：

獲取人臉樣本圖像以及各個(gè)所述人臉樣本圖像的目標(biāo)標(biāo)簽；

將所述人臉樣本圖像輸入人臉識(shí)別模型中的特征提取模塊進(jìn)行特征提取，得到多個(gè)特征圖；

將所述多個(gè)特征圖輸入所述人臉識(shí)別模型中的權(quán)重確定模塊中進(jìn)行特征處理，分別確定各個(gè)所述特征圖對(duì)應(yīng)的權(quán)重；

基于所述多個(gè)特征圖與所述對(duì)應(yīng)的權(quán)重的融合結(jié)果，確定所述人臉識(shí)別模型的預(yù)測(cè)標(biāo)簽；

根據(jù)所述目標(biāo)標(biāo)簽以及所述預(yù)測(cè)標(biāo)簽的差異，對(duì)所述人臉識(shí)別模型的參數(shù)進(jìn)行更新，確定目標(biāo)人臉識(shí)別模型。

本發(fā)明實(shí)施例提供的人臉識(shí)別模型的訓(xùn)練方法，不同的特征圖代表人臉的一個(gè)特征表示，而每一個(gè)特征表示應(yīng)該有不同的重要程度，針對(duì)各個(gè)特征圖賦予對(duì)應(yīng)的權(quán)重，這個(gè)權(quán)重也就代表這個(gè)重要程度，通過賦予不同特征圖不同的權(quán)重可以提高人臉識(shí)別模型的準(zhǔn)確性。

結(jié)合第一方面，在第一方面第一實(shí)施方式中，所述將所述多個(gè)特征圖輸入所述人臉識(shí)別模型中的權(quán)重確定模塊中進(jìn)行特征處理，分別確定各個(gè)所述特征圖對(duì)應(yīng)的權(quán)重，包括：

利用所述權(quán)重確定模塊中的分組卷積層分別對(duì)各個(gè)所述特征圖進(jìn)行分組卷積，得到與所述特征圖一一對(duì)應(yīng)的第一特征向量；

對(duì)各個(gè)所述第一特征向量進(jìn)行歸一化處理，確定各個(gè)所述特征圖對(duì)應(yīng)的權(quán)重。

本發(fā)明實(shí)施例提供的人臉識(shí)別模型的訓(xùn)練方法，通過對(duì)各個(gè)特征圖進(jìn)行分組卷積，即分別對(duì)各個(gè)特征圖進(jìn)行針對(duì)性處理，不僅可以保證所得到的第一特征向量與特征圖的對(duì)應(yīng)性，還可以提高訓(xùn)練效率。

結(jié)合第一方面第一實(shí)施方式，在第一方面第二實(shí)施方式中，所述對(duì)各個(gè)所述第一特征向量進(jìn)行歸一化處理，確定各個(gè)所述特征圖對(duì)應(yīng)的權(quán)重，包括：

利用所述權(quán)重確定模塊中的批歸一化層對(duì)所述第一特征向量進(jìn)行批歸一化處理，得到與所述特征圖一一對(duì)應(yīng)的第二特征向量；

利用所述權(quán)重確定模塊中的非線性層對(duì)所述第二特征向量進(jìn)行非線性處理，得到對(duì)應(yīng)的第三特征向量；

利用所述權(quán)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(gè)所述特征圖對(duì)應(yīng)的權(quán)重。