内容提供者
人脸鉴伪模型训练方法、设备、存储介质及装置.pdf
2023-11-06
10金币
794KB
21页
是你****嘉嘉
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共21页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
人脸鉴伪模型训练方法、设备、存储介质及装置.pdf
本发明公开了一种人脸鉴伪模型训练方法、设备、存储介质及装置，涉及生物识别技术领域。本发明在对人脸鉴伪模进行训练时，通过教师模型监督学生模型的训练过程，实现迁移学习，在学生模型收敛后，获得人脸鉴伪模。由于教师模型相比学生模型具有更高的检测精度，从而提高了学生模型的检测精度。同时，也保留了学生模型自身的速度快的优势，使得最终的人脸鉴伪模能够兼顾速度与精度。本发明的人脸鉴伪模在对人脸图像进行鉴伪时，具体较高的鉴伪速度与精度。
2023-11-06
10
794KB
人脸色素检测模型训练方法、装置、设备及存储介质.pdf
本申请提供一种人脸色素检测模型训练方法、装置、设备及存储介质，涉及图像处理技术领域。该方法包括：对原始样本图像进行增益处理，得到目标样本图像；将目标样本图像输入初始人脸色素检测模型中，得到实际黑色素高清细节图像和实际红色素高清细节图像；对原始样本图像进行分解处理，得到监督黑色素高清细节图像和监督红色素高清细节图像；以监督黑色素高清细节图像和监督红色素高清细节图像作为监督参数，根据实际黑色素高清细节图像和实际红色素高清细节图像，对初始人脸色素检测模型进行迭代修正，得到目标人脸色素检测模型。本方案解决了低成本
2023-07-25
10
804KB
人脸识别模型的训练方法、装置、电子设备及存储介质.pdf
本发明实施例提供了一种人脸识别模型的训练方法、装置、电子设备及存储介质，方法包括：获取源域人脸特征以及初始化识别模型；获取目标域的目标人脸图像样本；基于目标人脸图像样本以及源域人脸特征，调整初始化识别模型的部分模型参数，直到初始化识别模型收敛，得到针对源域和目标域的人脸识别模型。初始化模型在使用源域的全量人脸图像样本训练后，保存部分源域人脸特征，并固定初始化模型部分参数。进而，使用目标域的目标人脸图像样本和源域人脸特征对该初始化模型进行进一步训练后，得到针对源域和目标域的人脸识别模型。既保持了对源域全量人
2023-07-23
10
940KB
人脸模型的训练方法、装置、计算机设备和存储介质.pdf
本申请涉及一种人脸模型的训练方法、装置、计算机设备和存储介质。该方法包括：获取多个人脸特征；以多个人脸特征为输入，根据预设的第一学习率训练所述人脸模型中已有的人脸属性模型，根据预设的第二学习率训练人脸模型中新增的人脸属性模型，直至人脸模型的损失值达到目标预设阈值为止，得到训练后的人脸模型；其中，第一学习率小于第二学习率。上述这种采用不同的学习率针对性的训练不同类型人脸属性模型的训练方法极大的提高了人脸属性模型的训练速度，进而减少了人脸属性模型的训练时间。
2024-01-10
10
629KB
一种人脸识别模型的训练方法、装置及存储介质.pdf
本发明提供了一种人脸识别模型的训练方法、装置及存储介质，该方法包括：S1，获取训练数据集；S2，将训练数据集拆分成N个数据集；S3，将N个数据集中的每一个分别输入主干网络模型，获得N个数据集中每一数据集的人脸主干模型特征值；S4，将每一数据集的人脸主干模型特征值分别输入预置的分类模型，获得每一个数据集的分类特征值；S5，根据分类模型的损失函数值进行反向传播，更新每一个数据集的分类特征值；S6，在分类特征值更新完成之后，合并N个数据集的损失函数值，并更新每一个数据集的主干模型特征值。利用上述技术方案，降低了
2023-05-25
10
1.4MB