一种人脸识别模型的训练方法及装置制造方法及图纸

本发明专利技术公开了一种人脸识别模型的训练方法，所述训练方法包括：全量训练过程和反馈学习过程，反馈学习过程包括：获取全量训练过程中的目标全量训练数据，针对目标全量训练数据中每一张人脸注册照，计算其与目标全量训练数据中其余人脸图像的相似度；在目标全量训练数据中选取相似度小于预设相似度阈值的人脸图像对作为可反馈目标训练数据；将可反馈目标数据反馈至经过全量训练的人脸识别模型进行反馈学习。上述的训练方法中，在目标全量训练数据选取可反馈目标训练数据反馈至经过全量训练的人脸识别模型中进行反馈学习，相较于全量训练数据反馈学习，同样都进行了全量训练，在保证了计算精度的前提下，减少了反馈学习的数据量，缩短了训练周期。

【技术实现步骤摘要】
一种人脸识别模型的训练方法及装置
本专利技术涉及数据处理
，尤其涉及一种人脸识别模型的训练方法及装置。
技术介绍
在人脸识别模型进行训练过程中，为了增加人脸识别模型识别的准确度，训练数据一般至少包含上亿张的人脸图像，基于上述训练数据进行训练过程中，不但需要将全量训练数据发送给人脸识别模型进行训练，还需要将全量训练数据作反馈学习。专利技术人对现有的训练过程进行研究发现，全量训练数据进行反馈学习，数据量大，人脸识别模型训练周期长。
技术实现思路
有鉴于此，本专利技术提供了一种人脸识别模型的训练方法及装置，用以解决现有的人脸识别模型训练过程中，全量训练数据不加区分的进行反馈学习，数据量大训练周期长的问题。具体方案如下：一种人脸识别模型的训练方法，所述训练方法包括：全量训练过程和反馈学习过程，其中，所述反馈学习过程包括：获取所述全量训练过程中的目标全量训练数据，其中，所述目标全量训练数据包括至少一个人脸图像对，所述人脸图像对包括：人脸注册照和人脸对比照；针对每一张人脸注册照，计算其与所述目标全量训练数据中其余人脸图像的相似度；在所述目标全量训练数据中选取相似度小于预设相似度阈值的人脸图像对作为可反馈目标训练数据；将所述可反馈目标数据反馈至经过全量训练的人脸识别模型进行反馈学习。上述的方法，可选的，所述人脸图像对包括：由不存在遮挡的人脸图像分别作为注册照和对比照组成的第一类型人脸图像对、由不存在遮挡的人脸图像和由存在遮挡的人脸图像作为注册照和对比照组成的第二类型人脸图像对以及由存在遮挡的人脸图像和由存在遮挡的人脸图像作为注册照和对比照组成的第三类型人脸图像对，其中，存在遮挡的人脸图像基于对应的不存在遮挡的人脸图像生成。上述的方法，可选的，存在遮挡的人脸图像基于对应的不存在遮挡的人脸图像生成，包括：确定变换矩阵；获取遮挡物中的各个点的坐标值和像素值；基于仿射变换将每个坐标值基于所述变换矩阵映射到所述不存在遮挡的人脸图像中，得到投影坐标值；将每个像素值依据其对应的投影坐标值覆盖到所述不存在遮挡的人脸图像中，得到存在遮挡的人脸图像。上述的方法，可选的，还包括：基于所述各个人脸图像对的类型，确定不同类型人脸图像对的预设比例；基于所述预设比例，在所述各个人脸图像对中选取预设比例的不同类型人脸图像对添加到所述目标全量训练数据中。上述的方法，可选的，针对每一张人脸注册照，计算其与所述目标全量训练数据中其余人脸图像的相似度，包括：获取所述目标全量训练数据中各个人脸图像的特征向量；针对每一张人脸注册照，计算其对应的特征向量与所述述目标全量训练数据中其余特征向量的余弦相似度。一种人脸识别模型的训练装置，所述训练装置包括：全量训练过程和反馈学习过程，其中，所述反馈学习过程包括：数据获取模块，用于获取所述全量训练过程中的目标全量训练数据，其中，所述目标全量训练数据包括至少一个人脸图像对，所述人脸图像对包括：人脸注册照和人脸对比照；计算模块，用于针对每一张人脸注册照，计算其与所述目标全量训练数据中其余人脸图像的相似度；选取模块，用于在所述目标全量训练数据中选取相似度小于预设相似度阈值的人脸图像对作为可反馈目标训练数据；反馈学习模块，用于将所述可反馈目标数据反馈至经过全量训练的人脸识别模型进行反馈学习。上述的装置，可选的，所述人脸图像对包括：由不存在遮挡的人脸图像分别作为注册照和对比照组成的第一类型人脸图像对、由不存在遮挡的人脸图像和由存在遮挡的人脸图像作为注册照和对比照组成的第二类型人脸图像对以及由存在遮挡的人脸图像和由存在遮挡的人脸图像作为注册照和对比照组成的第三类型人脸图像对，其中，存在遮挡的人脸图像基于对应的不存在遮挡的人脸图像生成。上述的装置，可选的，所述装置中将存在遮挡的人脸图像基于对应的不存在遮挡的人脸图像生成，包括：矩阵确定单元，用于确定变换矩阵；第一获取单元，用于获取遮挡物中的各个点的坐标值和像素值；映射单元，用于基于仿射变换将每个坐标值基于所述变换矩阵映射到所述不存在遮挡的人脸图像中，得到投影坐标值；覆盖单元，用于将每个像素值依据其对应的投影坐标值覆盖到所述不存在遮挡的人脸图像中，得到存在遮挡的人脸图像。上述的装置，可选的，还包括：比例确定单元，用于基于所述各个人脸图像对的类型，确定不同类型人脸图像对的预设比例；选取单元，用于基于所述预设比例，在所述各个人脸图像对中选取预设比例的不同类型人脸图像对添加到所述目标全量训练数据中。上述的装置，可选的，所述计算模块包括：第二获取单元，用于获取所述目标全量训练数据中各个人脸图像的特征向量；计算单元，用于针对每一张人脸注册照，计算其对应的特征向量与所述述目标全量训练数据中其余特征向量的余弦相似度。与现有技术相比，本专利技术包括以下优点：本专利技术公开了一种人脸识别模型的训练方法及装置，所述训练方法包括：全量训练过程和反馈学习过程，其中，所述反馈学习过程包括：获取全量训练过程中的目标全量训练数据，其中，目标全量训练数据包括至少一个人脸图像对，人脸图像对包括：人脸注册照和人脸对比照；针对每一张人脸注册照，计算其与目标全量训练数据中其余人脸图像的相似度；在目标全量训练数据中选取相似度小于预设相似度阈值的人脸图像对作为可反馈目标训练数据；将可反馈目标数据反馈至经过全量训练的人脸识别模型进行反馈学习。上述的训练方法中，在目标全量训练数据选取可反馈目标训练数据反馈至经过全量训练的人脸识别模型中进行反馈学习，相较于全量训练数据反馈学习，同样都进行了全量训练，在保证了计算精度的前提下，减少了反馈学习的数据量，缩短了训练周期。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例公开的一种人脸识别模型的训练方法流程图；图2为本申请实施例公开的一种人脸识别模型的训练方法又一流程图；图3为本申请实施例公开的一种人脸识别模型的训练装置结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本专利技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本专利技术的精神或范围的情况下，在其它实施例中实现。因此，本专利技术将不会被限制于本文本文档来自技高网...

【技术保护点】
1.一种人脸识别模型的训练方法，其特征在于，所述训练方法包括：全量训练过程和反馈学习过程，其中，所述反馈学习过程包括：/n获取所述全量训练过程中的目标全量训练数据，其中，所述目标全量训练数据包括至少一个人脸图像对，所述人脸图像对包括：人脸注册照和人脸对比照；/n针对每一张人脸注册照，计算其与所述目标全量训练数据中其余人脸图像的相似度；/n在所述目标全量训练数据中选取相似度小于预设相似度阈值的人脸图像对作为可反馈目标训练数据；/n将所述可反馈目标数据反馈至经过全量训练的人脸识别模型进行反馈学习。/n

【技术特征摘要】
1.一种人脸识别模型的训练方法，其特征在于，所述训练方法包括：全量训练过程和反馈学习过程，其中，所述反馈学习过程包括：
获取所述全量训练过程中的目标全量训练数据，其中，所述目标全量训练数据包括至少一个人脸图像对，所述人脸图像对包括：人脸注册照和人脸对比照；
针对每一张人脸注册照，计算其与所述目标全量训练数据中其余人脸图像的相似度；
在所述目标全量训练数据中选取相似度小于预设相似度阈值的人脸图像对作为可反馈目标训练数据；
将所述可反馈目标数据反馈至经过全量训练的人脸识别模型进行反馈学习。


2.根据权利要求1所述的方法，其特征在于，所述人脸图像对包括：由不存在遮挡的人脸图像分别作为注册照和对比照组成的第一类型人脸图像对、由不存在遮挡的人脸图像和由存在遮挡的人脸图像作为注册照和对比照组成的第二类型人脸图像对以及由存在遮挡的人脸图像和由存在遮挡的人脸图像作为注册照和对比照组成的第三类型人脸图像对，其中，存在遮挡的人脸图像基于对应的不存在遮挡的人脸图像生成。


3.根据权利要求2所述的方法，其特征在于，存在遮挡的人脸图像基于对应的不存在遮挡的人脸图像生成，包括：
确定变换矩阵；
获取遮挡物中的各个点的坐标值和像素值；
基于仿射变换将每个坐标值基于所述变换矩阵映射到所述不存在遮挡的人脸图像中，得到投影坐标值；
将每个像素值依据其对应的投影坐标值覆盖到所述不存在遮挡的人脸图像中，得到存在遮挡的人脸图像。


4.根据权利要求2所述的方法，其特征在于，还包括：
基于所述各个人脸图像对的类型，确定不同类型人脸图像对的预设比例；
基于所述预设比例，在所述各个人脸图像对中选取预设比例的不同类型人脸图像对添加到所述目标全量训练数据中。


5.根据权利要求1所述的方法，其特征在于，针对每一张人脸注册照，计算其与所述目标全量训练数据中其余人脸图像的相似度，包括：
获取所述目标全量训练数据中各个人脸图像的特征向量；
针对每一张人脸注册照，计算其对应的特征向量与所述述目标全量训练数据中其余特征向量的余弦相似度。


6.一种人脸识别模型的训练装置，其特征在于，所述训练装置包括...

【专利技术属性】
技术研发人员：张成月，尚明诺，
申请(专利权)人：北京爱笔科技有限公司，
类型：发明
国别省市：北京;11