人脸识别模型的训练方法、人脸识别方法及电子设备.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CN113887416A(43)申请公布日2022.01.04(21)申请号202111160624.6G06N3/08(2006.01)(22)申请日2021.09.30(71)申请人苏州市科远软件技术开发有限公司地址215011江苏省苏州市高新区金山路131号申请人苏州科达科技股份有限公司(72)发明人张震国吴剑平史晓丽毛晓蛟章勇(74)专利代理机构北京三聚阳光知识产权代理有限公司11250代理人张琳琳(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书14页附图7页(54)发明名称人脸识别模型的训练方法、人脸识别方法及电子设备(57)摘要本发明涉及人脸识别技术领域，具体涉及人脸识别模型的训练方法、人脸识别方法及电子设备，所述训练方法包括获取人脸样本图像以及各个所述人脸样本图像的目标标签；将所述人脸样本图像输入人脸识别模型中的特征提取模块进行特征提取，得到多个特征图；将所述多个特征图输入所述人脸识别模型中的权重确定模块中进行特征处理，分别确定各个所述特征图对应的权重；基于所述多个特征图与所述对应的权重的融合结果，确定所述人脸识别模型的预测标签；根据所述目标标签以及所述预测标签的差异，对所述人脸识别模型的参数进行更新，确定目标人脸识别模型。通过赋予不同特征图不同的权重可以提高人脸识别模型的准确性。CN113887416ACN113887416A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：获取人脸样本图像以及各个所述人脸样本图像的目标标签；将所述人脸样本图像输入人脸识别模型中的特征提取模块进行特征提取，得到多个特征图；将所述多个特征图输入所述人脸识别模型中的权重确定模块中进行特征处理，分别确定各个所述特征图对应的权重；基于所述多个特征图与所述对应的权重的融合结果，确定所述人脸识别模型的预测标签；根据所述目标标签以及所述预测标签的差异，对所述人脸识别模型的参数进行更新，确定目标人脸识别模型。2.根据权利要求1所述的方法，其特征在于，所述将所述多个特征图输入所述人脸识别模型中的权重确定模块中进行特征处理，分别确定各个所述特征图对应的权重，包括：利用所述权重确定模块中的分组卷积层分别对各个所述特征图进行分组卷积，得到与所述特征图一一对应的第一特征向量；对各个所述第一特征向量进行归一化处理，确定各个所述特征图对应的权重。3.根据权利要求2所述的方法，其特征在于，所述对各个所述第一特征向量进行归一化处理，确定各个所述特征图对应的权重，包括：利用所述权重确定模块中的批归一化层对所述第一特征向量进行批归一化处理，得到与所述特征图一一对应的第二特征向量；利用所述权重确定模块中的非线性层对所述第二特征向量进行非线性处理，得到对应的第三特征向量；利用所述权重确定模块中的维度变换层将所述第三特征向量变换为一维，确定各个所述特征图对应的权重。4.根据权利要求1所述的方法，其特征在于，所述基于所述多个特征图与所述对应的权重的融合结果，确定所述人脸识别模型的预测标签，包括：计算各个所述特征图与对应的权重的乘积，确定权重处理后的多个目标特征图；基于所述多个目标特征图确定所述人脸识别模型的预测标签。5.根据权利要求1所述的方法，其特征在于，所述人脸样本图像包括简单人脸样本图像以及困难人脸样本图像，所述根据所述目标标签以及所述预测标签的差异，对所述人脸识别模型的参数进行更新，确定目标人脸识别模型，包括：获取所述简单人脸样本图像输入初始人脸识别模型得到的第一预测标签；基于所述第一预测标签以及所述简单人脸样本图像的目标标签的差异，对所述初始人脸识别模型的参数进行更新，确定初始目标人脸识别模型；基于所述人脸样本图像对所述初始目标人脸识别模型中的全连接分类层参数进行调整，确定中间目标人脸识别模型；获取所述人脸样本图像输入所述中间目标人脸识别模型后得到的第二预测标签；基于所述第二预测标签以及所述人脸样本图像的目标标签的差异，对所述中间目标人脸识别模型的参数进行更新，确定所述目标人脸识别模型。6.一种人脸识别方法，其特征在于，包括：2CN113887416A权利要求书2/2页获取待识别人脸图像；将所述待识别人脸图像输入目标人脸识别模型中，确定所述待识别人脸图像对应的标签，所述目标人脸识别模型是根据权利要求1‑6中任一项所述的人脸识别模型的训练方法训练得到的。7.一种人脸识别模型的训练装置，其特征在于，包括：第一获取模块，用于获取人脸样本图像以及各个所述人脸样本图像的目标标签；特征提取模块，用于将所述人脸样本图像输入人脸识别模型中的特征提取模块进行特征提取，得到多个特征图；特征处理模块，