机器学习模型的训练方法、装置、人脸的识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112101542A(43)申请公布日2020.12.18(21)申请号202010723795.4G06K9/62(2006.01)(22)申请日2020.07.24G06K9/00(2006.01)(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人王军杜航刘昱赤石海林梅涛(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人张雷许蓓(51)Int.Cl.G06N3/08(2006.01)G06N3/04(2006.01)权利要求书2页说明书9页附图3页(54)发明名称机器学习模型的训练方法、装置、人脸的识别方法和装置(57)摘要本公开涉及一种机器学习模型的训练方法、装置、人脸的识别方法和装置，涉及人工智能技术领域。该训练方法包括：利用机器学习模型提取各图像样本数据的特征向量，并根据各特征向量确定各图像样本数据中目标的分类结果；根据各图像样本数据中目标的标注结果和分类结果，判断各图像样本数据中目标被分类到了正确分类还是错误分类；在任一个图像样本数据中目标被分类到了错误分类的情况下，降低该图像样本数据与正确分类之间的第一特征相似度，增加该图像样本数据与错误分类之间的第二特征相似度；根据所有降低后的第一特征相似度、增加后的第二特征相似度计算损失函数，用于训练机器学习模型。CN112101542ACN112101542A权利要求书1/2页1.一种机器学习模型的训练方法，包括：利用机器学习模型提取各图像样本数据的特征向量，并根据各特征向量确定所述各图像样本数据中目标的分类结果；根据所述各图像样本数据中目标的标注结果和所述分类结果，判断所述各图像样本数据中目标被分类到了正确分类还是错误分类；在任一个图像样本数据中目标被分类到了错误分类的情况下，降低该图像样本数据与所述正确分类之间的第一特征相似度，增加该图像样本数据与所述错误分类之间的第二特征相似度；根据所有降低后的所述第一特征相似度、增加后的所述第二特征相似度计算损失函数，用于训练所述机器学习模型。2.根据权利要求1所述的训练方法，其中，所述损失函数与降低后的所述第一特征相似度负相关，与降低后的所述第一特征相似度和增加后的所述第二特征相似度之和正相关。3.根据权利要求2所述的训练方法，其中，所述降低该图像样本数据与所述正确分类之间的第一特征相似度，增加该图像样本数据与所述错误分类之间的第二特征相似度包括：将所述第二特征相似度大于所述第一特征相似度的错误分类，确定为该图像样本数据的干扰错误分类；根据所述干扰错误分类，降低该图像样本数据与所述正确分类之间的第一特征相似度，增加该图像样本数据与所述错误分类之间的第二特征相似度。4.根据权利要求3所述的训练方法，其中，所述降低该图像样本数据与所述正确分类之间的第一特征相似度包括：增加该图像样本数据的特征向量与所述正确分类的特征向量的夹角，所述夹角的增加幅度与该图像样本数据和每一个干扰错误分类的相似度之和正相关，与所述干扰错误分类的数量负相关；根据增加后的夹角，计算降低后的第一特征相似度。5.根据权利要求3所述的训练方法，其中，所述增加该图像样本数据与所述错误分类之间的第二特征相似度包括：增加该图像样本数据与每一个干扰错误分类的相应的第二特征相似度。6.根据权利要求5所述的训练方法，其中，增大后的第二特征相似度与增大前的第二特征相似度呈线性关系。7.根据权利要求1所述的训练方法，还包括：在所述图像样本数据中目标被分类到了正确分类的情况下，降低所述图像样本数据与所述正确分类之间的第一特征相似度；根据所有降低后的第一特征相似度计算所述损失函数。8.根据权利要求7所述的训练方法，其中，在所述图像样本数据中目标被分类到了正确分类的情况下，所述第一特征相似度的降低幅度小于在所述图像样本数据中目标被分类到了错误分类的情况下，所述第一特征相似度的降低幅度。9.根据权利要求1-8任一项所述的训练方法，其中，2CN112101542A权利要求书2/2页所述图像样本数据为人脸图像样本数据；还包括：根据人脸图像数据，利用完成训练的所述机器学习模型，进行人脸识别。10.一种机器学习模型的训练装置，包括：分类单元，用于利用机器学习模型提取各图像样本数据的特征向量，并根据各特征向量确定所述各图像样本数据中目标的分类结果；判断单元，用于根据所述各图像样本数据中目标的标注结果和所述分类结果，判断所述各图像样本数据中目标被分类到了正确分类还是错误分类；相似度处理单元，用于在任一个图像样本数据中目标被分类到了错误分类的情况下，降低该图像样本数据与所述正确分类之间的第一特征