一种人脸识别模型的训练、人脸识别方法及相关装置.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CN113989905A(43)申请公布日2022.01.28(21)申请号202111358142.1(22)申请日2021.11.16(71)申请人广东履安实业有限公司地址510600广东省广州市天河区金颖路1号1楼(72)发明人杨政华杨海军陈丽珍卢经纬(74)专利代理机构北京品源专利代理有限公司11332代理人苏舒音(51)Int.Cl.G06V40/16(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06K9/62(2022.01)权利要求书2页说明书15页附图5页(54)发明名称一种人脸识别模型的训练、人脸识别方法及相关装置(57)摘要本发明提供了一种人脸识别模型的训练、人脸识别方法及相关装置，该方法包括：确定多个用户，每个用户具有多帧人脸数据；对每个用户的人脸数据的原始分布信息进行平滑处理，获得目标分布信息；将人脸数据作为样本、输入人脸识别模型中计算多个表示人脸数据归属用户的分数；根据目标分布信息对多个用户的分数计算损失值；按照损失值更新人脸识别模型；判断当前迭代的次数是否到达预设的阈值；若是，则确定人脸识别模型训练完成；若否，则返回执行将人脸数据作为样本、输入人脸识别模型中计算多个表示人脸数据归属用户的分数。本实施例缩小头部数据与尾部数据在分布上的差距，充分学习各个用户的人脸数据之间的差异，提升人脸识别模型的泛化能力。CN113989905ACN113989905A权利要求书1/2页1.一种人脸识别模型的训练方法，其特征在于，包括：确定多个用户，每个所述用户具有多帧人脸数据；对每个所述用户的所述人脸数据的原始分布信息进行平滑处理，获得目标分布信息；将所述人脸数据作为样本、输入人脸识别模型中计算多个表示所述人脸数据归属所述用户的分数；根据所述目标分布信息对多个所述用户的分数计算损失值；按照所述损失值更新所述人脸识别模型；判断当前迭代的次数是否到达预设的阈值；若是，则确定所述人脸识别模型训练完成；若否，则返回执行所述将所述人脸数据作为样本、输入人脸识别模型中计算多个表示所述人脸数据归属所述用户的分数。2.根据权利要求1所述的方法，其特征在于，所述对每个所述用户的所述人脸数据的原始分布信息进行平滑处理，获得目标分布信息，包括：对每个所述用户统计所述人脸数据的第一数量；将所述第一数量从常数空间映射至对数空间，获得平滑数量；对所述平滑数量取整，获得每个所述用户的所述人脸数据的第二数量。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标分布信息对多个所述用户的分数计算损失值，包括：确定作为样本的所述人脸数据归属的用户，作为目标用户；使用所述目标分布信息生成所述目标用户的所述人脸数据的分布概率；使用所述目标分布信息对所述目标用户计算平滑系数；在所述目标用户的所述人脸数据维持所述分布概率的条件下，使用所述平滑系数对所述目标用户的分数与其他所述用户的分数之间的差异进行平滑处理，以计算损失值。4.根据权利要求3所述的方法，其特征在于，所述使用所述目标分布信息生成所述目标用户的所述人脸数据的分布概率，包括：从所述目标分布信息中查询各个所述用户的所述人脸数据的第二数量；对所有所述用户的所述人脸数据的第二数量求和，作为总数量；计算所述目标用户的所述人脸数据的第二数量与所述总数量之间的比值，作为所述目标用户的所述人脸数据的分布概率。5.根据权利要求3所述的方法，其特征在于，所述使用所述目标分布信息对所述目标用户计算平滑系数，包括：从所述目标分布信息中查询各个所述用户的所述人脸数据的第二数量；从各个所述用户的所述人脸数据的第二数量中取最大值，作为最大数量；计算所述目标用户的所述人脸数据的第二数量与所述最大数量之间的比值，作为调节系数；计算所述调节系数与预设的平滑经验值之间的乘积，作为所述目标用户的平滑系数。6.根据权利要求3所述的方法，其特征在于，所述在所述目标用户的所述人脸数据维持所述分布概率的条件下，使用所述平滑系数对所述目标用户的分数与其他所述用户的分数之间的差异进行平滑处理，以计算损失值，包括：在所述人脸数据维持所述分布概率的条件下，计算所述目标用户的分数相对于所有所2CN113989905A权利要求书2/2页述用户的分数的第一交叉熵；计算除所述目标用户之外的其他所述用户的分数相对于所有所述用户的分数的第二交叉熵；使用所述平滑系数对所述第一交叉熵与所述第二交叉熵融合，获得损失值。7.根据权利要求6所述的方法，其特征在于，所述在所述人脸数据维持所述分布概率的条件下，计算所述目标用户的分数相对于所有所述用户的分数的第一交叉熵，包括：分别以自然数为底数、每个所述用户的分数为指数，计算多个第一目标值；对所有所述