[發(fā)明專(zhuān)利]人臉識(shí)別深度學(xué)習(xí)模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211727442.7
• 申請(qǐng)日: 2022-12-30
• 公開(kāi)（公告）號(hào): CN115953820A
• 公開(kāi)（公告）日: 2023-04-11
• 發(fā)明（設(shè)計(jì)）人: 楊戰(zhàn)波;黃澤元;蔣召
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京龍智數(shù)科科技服務(wù)有限公司
• 主分類(lèi)號(hào): G06V40/16
• 分類(lèi)號(hào): G06V40/16;G06V10/82;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 北京嘉科知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11687
• 代理人: 楊超

1.一種人臉識(shí)別深度學(xué)習(xí)模型訓(xùn)練方法，其特征在于，包括：

將人臉樣本圖像輸入到預(yù)定的雙支路基礎(chǔ)單元，利用所述雙支路基礎(chǔ)單元中的第一支路和第二支路分別提取第一特征圖和第二特征圖，將所述第一特征圖和所述第二特征圖進(jìn)行拼接，得到變換特征圖；

將所述變換特征圖輸入到骨干網(wǎng)絡(luò)，對(duì)所述骨干網(wǎng)絡(luò)中預(yù)設(shè)的目標(biāo)階段輸出的特征圖進(jìn)行處理，得到每個(gè)所述目標(biāo)階段對(duì)應(yīng)的特征向量，將所述特征向量進(jìn)行聚合，得到目標(biāo)特征向量；

確定所述目標(biāo)特征向量與各個(gè)人臉類(lèi)別的類(lèi)中心之間的夾角，并根據(jù)所述人臉樣本圖像對(duì)應(yīng)人臉類(lèi)別的樣本數(shù)及最大類(lèi)別樣本數(shù)確定加性間隔參數(shù)，將所述夾角及所述加性間隔參數(shù)輸入到預(yù)設(shè)的損失函數(shù)中計(jì)算損失值；

利用所述損失值反向更新人臉識(shí)別深度學(xué)習(xí)模型的參數(shù)，以便對(duì)所述人臉識(shí)別深度學(xué)習(xí)模型進(jìn)行訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用所述雙支路基礎(chǔ)單元中的第一支路提取第一特征圖，包括：

將所述人臉樣本圖像輸入到第一卷積層中進(jìn)行卷積處理，并對(duì)卷積處理后的特征圖進(jìn)行批歸一化和激活函數(shù)處理，得到第一輸出特征圖；

將所述第一輸出特征圖輸入到第二卷積層中進(jìn)行卷積處理，并對(duì)卷積處理后的特征圖進(jìn)行批歸一化和激活函數(shù)處理，得到第二輸出特征圖，將所述第二輸出特征圖作為所述第一特征圖。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用所述雙支路基礎(chǔ)單元中的第二支路提取第二特征圖，包括：

將所述人臉樣本圖像的高和寬，按照偶數(shù)列和奇數(shù)列分別重新組合，將重新組合后的圖像在通道維度上進(jìn)行拼接；

將拼接后的圖像輸入到第三卷積層中進(jìn)行卷積處理，并對(duì)卷積處理后的特征圖進(jìn)行批歸一化和激活函數(shù)處理，得到所述第二特征圖。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述骨干網(wǎng)絡(luò)中預(yù)設(shè)的目標(biāo)階段輸出的特征圖進(jìn)行處理，得到每個(gè)所述目標(biāo)階段對(duì)應(yīng)的特征向量，包括：

在所述骨干網(wǎng)絡(luò)中依次執(zhí)行第一階段、第二階段、第三階段和第四階段處理，其中將所述第二階段、第三階段和第四階段作為目標(biāo)階段；

將所述第二階段、第三階段和第四階段輸出的特征圖分別依次利用全局平均池化層、全連接層、批歸一化層和激活函數(shù)層進(jìn)行處理，得到所述第二階段、第三階段和第四階段分別對(duì)應(yīng)的特征向量。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述特征向量進(jìn)行聚合，得到目標(biāo)特征向量，包括：

將所述第二階段、第三階段和第四階段分別對(duì)應(yīng)的特征向量進(jìn)行聚合，并將聚合后的特征向量輸入到全連接層，并使用批歸一化對(duì)所述全連接層輸出的特征向量做歸一化處理，得到所述目標(biāo)特征向量。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述人臉樣本圖像對(duì)應(yīng)人臉類(lèi)別的樣本數(shù)及最大類(lèi)別樣本數(shù)確定加性間隔參數(shù)，包括采用以下公式計(jì)算加性間隔參數(shù)：

其中，m表示加性間隔參數(shù)，m₀表示margin上界，n_yi表示第y_i類(lèi)別的樣本數(shù)，n_max表示最大類(lèi)別樣本數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將所述夾角及所述加性間隔參數(shù)輸入到預(yù)設(shè)的損失函數(shù)中計(jì)算損失值，包括采用以下?lián)p失函數(shù)計(jì)算損失值：

其中，x_i表示第i個(gè)人臉樣本的目標(biāo)特征向量，θ_j表示第i個(gè)人臉樣本的目標(biāo)特征向量x_i與第j類(lèi)別的類(lèi)中心W_j的夾角，θ_yi表示x_i與對(duì)應(yīng)類(lèi)中心W_yi的夾角，m表示加性間隔參數(shù)，s表示特征縮放參數(shù)，N表示所有類(lèi)別數(shù)。