[發明專利]人臉認證模型的生成方法、認證方法、設備及存儲介質有效
| 申請號: | 202111591243.3 | 申請日: | 2021-12-23 |
| 公開(公告)號: | CN114360008B | 公開(公告)日: | 2023-06-20 |
| 發明(設計)人: | 王國權;郝霖;葉德建 | 申請(專利權)人: | 上海清鶴科技股份有限公司 |
| 主分類號: | G06V40/16 | 分類號: | G06V40/16;G06V10/764;G06V10/82;G06V10/774;G06N3/0464;G06N3/084 |
| 代理公司: | 北京惠科金知識產權代理有限公司 11981 | 代理人: | 袁曉哲 |
| 地址: | 200433 上海市楊*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 認證 模型 生成 方法 設備 存儲 介質 | ||
1.一種人臉認證模型的生成方法,其特征在于,所述生成方法包括以下步驟:
獲取第一人臉認證模型,所述第一人臉認證模型包括第一人臉特征提取模塊及第一分類矩陣模塊,數據從所述第一人臉特征提取模塊輸入,所述第一人臉特征提取模塊的輸出作為所述第一分類矩陣模塊的輸入,所述第一人臉特征提取模塊包括第一人臉特征提取參數,所述第一分類矩陣模塊包括第一分類矩陣參數;
通過第二訓練集訓練人臉認證算法獲取第一人臉認證模型,所述人臉認證算法包括初始人臉特征提取模塊及初始分類矩陣模塊,所述初始人臉特征提取模塊包括初始人臉特征提取參數,所述初始分類矩陣模塊包括初始分類矩陣參數;
獲取第一訓練集,所述第一訓練集包括若干人臉圖像;
通過所述第一訓練集訓練所述第一人臉認證模型以獲取第二人臉認證模型,且在訓練的過程中調整所述第一分類矩陣參數以獲取第二分類矩陣模塊,所述第二分類矩陣模塊包括第二分類矩陣參數,所述第二人臉認證模型包括所述第一人臉特征提取模塊及所述第二分類矩陣模塊;使用第一學習率訓練所述第一人臉認證模型;
通過所述第一訓練集訓練所述第二人臉認證模型以獲取目標人臉認證模型,且在訓練的過程中調整所述第一人臉特征提取參數以獲取第二人臉特征提取模塊,調整所述第二分類矩陣參數以獲取第三分類矩陣模塊,所述目標人臉認證模型包括所述第二人臉特征提取模塊及所述第三分類矩陣模塊;使用第二學習率訓練所述第二人臉認證模型;
所述第二學習率小于所述第一學習率。
2.如權利要求1所述的人臉認證模型的生成方法,其特征在于,
所述訓練所述第一人臉認證模型以獲取第二人臉認證模型的步驟包括:
訓練所述第一人臉認證模型;
當目標損失函數收斂且損失值小于第一預設值時完成訓練,獲得第二人臉認證模型;
所述訓練所述第二人臉認證模型以獲取目標人臉認證模型的步驟包括:
訓練所述第二人臉認證模型;
當目標損失函數收斂且損失值小于第二預設值時完成訓練,獲得目標人臉認證模型,所述第二預設值小于所述第一預設值。
3.如權利要求1所述的人臉認證模型的生成方法,其特征在于,所述第一訓練集包括目標場景下的若干人臉圖像。
4.如權利要求1所述的人臉認證模型的生成方法,其特征在于,所述訓練人臉認證算法的步驟包括:
使用第三學習率訓練人臉認證算法,所述第三學習率大于第二學習率;和/或,
所述第一訓練集中人臉圖像的數量小于所述第二訓練集中人臉圖像的數量。
5.一種人臉認證方法,其特征在于,所述人臉認證方法包括以下步驟:
獲取待檢測人臉圖像;
將所述待檢測人臉圖像輸入至目標人臉認證模型以獲取人臉認證信息,所述目標人臉認證模型為根據權利要求1-4中任意一項所述的人臉認證模型的生成方法得到的模型。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海清鶴科技股份有限公司,未經上海清鶴科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111591243.3/1.html,轉載請聲明來源鉆瓜專利網。





