数据队列动态更新方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种数据队列动态更新方法、装置、电子设备及存储介质，涉及计算机视觉和深度学习技术领域。具体实现方案为：根据第一模型对图像数据进行特征提取，得到第一图像特征队列；从图像数据中提取第一组图像，根据第二模型对第一组图像进行特征提取，得到第一组图像特征；根据第一模型对第二组图像进行特征提取，得到第二组图像特征；进行模型训练的过程中，对第一图像特征队列进行动态更新。采用本公开，可以保证包含各类场景特征的数据队列的准确性及数据全面性，从而提高了硬件的处理速度及处理准确率。速度及处理准确率。速度及处理准确率。

【技术实现步骤摘要】
数据队列动态更新方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能领域。本公开尤其涉及计算机视觉和深度学习


技术介绍

[0002]随着技术的发展，可以通过人工智能实现硬件加速处理，所适用的应用场景多种多样，比如涉及图文处理、图像处理、视频处理、人脸识别等应用场景的硬件设计中都可以采用人工智能技术，以提高硬件的处理速度及处理准确率。
[0003]然而，包含各类场景特征的数据队列的准确性、数据全面性与否，会影响到硬件的处理速度及处理准确率。对此，相关技术未存在有效的解决方案。

技术实现思路

[0004]本公开提供了一种数据队列动态更新方法、装置、电子设备及存储介质。
[0005]根据本公开的一方面，提供了一种数据队列动态更新方法，包括：
[0006]根据第一模型对图像数据进行特征提取，得到第一图像特征队列；
[0007]从所述图像数据中提取第一组图像，根据第二模型对所述第一组图像进行特征提取，得到第一组图像特征；
[0008]从所述图像数据中提取与所述第一组图像标识(ID)相对应的第二组图像，根据所述第一模型对所述第二组图像进行特征提取，得到第二组图像特征；
[0009]将所述第一组图像特征、第二组图像特征及所述第一图像特征队列作为样本数据进行模型训练的过程中，对所述第一图像特征队列进行动态更新。
[0010]根据本公开的另一方面，提供了一种人脸识别方法，包括：
[0011]对人脸图像进行采集，得到人脸图像数据；
>[0012]将所述人脸图像数据通过人脸识别模型进行识别处理，得到人脸识别结果，所述人脸识别模型为基于第一人脸图像特征队列的动态更新所得到的训练后第二模型；
[0013]其中，所述第一人脸图像特征队列的动态更新，包括：
[0014]根据第一模型对所述人脸图像数据进行特征提取，得到所述第一人脸图像特征队列，从所述人脸图像数据中提取第一组人脸图像，根据第二模型对所述第一组人脸图像进行特征提取，得到第一组人脸图像特征；
[0015]从所述人脸图像数据中提取与所述第一组人脸图像ID相对应的第二组人脸图像，根据所述第一模型对所述第二组人脸图像进行特征提取，得到第二组人脸图像特征；
[0016]根据所述第一组人脸图像特征、所述第二组人脸图像特征对所述第一人脸图像特征队列进行动态更新。
[0017]根据本公开的另一方面，提供了一种数据队列动态更新装置，包括：
[0018]第一特征提取模块，用于根据第一模型对图像数据进行特征提取，得到第一图像特征队列；
[0019]第二特征提取模块，用于从所述图像数据中提取第一组图像，根据第二模型对所
述第一组图像进行特征提取，得到第一组图像特征；
[0020]第三特征提取模块，用于从所述图像数据中提取与所述第一组图像ID相对应的第二组图像，根据所述第一模型对所述第二组图像进行特征提取，得到第二组图像特征；
[0021]队列更新模块，用于将所述第一组图像特征、第二组图像特征及所述第一图像特征队列作为样本数据进行模型训练的过程中，对所述第一图像特征队列进行动态更新。
[0022]根据本公开的另一方面，提供了一种人脸识别装置，包括：
[0023]采集模块，用于对人脸图像进行采集，得到人脸图像数据；
[0024]识别模块，用于将所述人脸图像数据通过人脸识别模型进行识别处理，得到人脸识别结果，所述人脸识别模型为采用队列更新模块进行第一人脸图像特征队列的动态更新所得到的训练后第二模型；
[0025]所述队列更新模块，用于：
[0026]根据第一模型对所述人脸图像数据进行特征提取，得到所述第一人脸图像特征队列，从所述人脸图像数据中提取第一组人脸图像，根据第二模型对所述第一组人脸图像进行特征提取，得到第一组人脸图像特征；
[0027]从所述人脸图像数据中提取与所述第一组人脸图像ID相对应的第二组人脸图像，根据所述第一模型对所述第二组人脸图像进行特征提取，得到第二组人脸图像特征；
[0028]根据所述第一组人脸图像特征、所述第二组人脸图像特征对所述第一人脸图像特征队列进行动态更新。
[0029]根据本公开的另一方面，提供了一种电子设备，包括：
[0030]至少一个处理器；以及
[0031]与该至少一个处理器通信连接的存储器；其中，
[0032]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任意一实施例所提供的方法。
[0033]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使该计算机执行本公开任意一项实施例所提供的方法。
[0034]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现本公开任意一项实施例所提供的方法。
[0035]采用本公开，可以根据第一模型对图像数据进行特征提取，得到第一图像特征队列；从所述图像数据中提取第一组图像，根据第二模型对所述第一组图像进行特征提取，得到第一组图像特征；从所述图像数据中提取与所述第一组图像ID相对应的第二组图像，根据所述第一模型对所述第二组图像进行特征提取，得到第二组图像特征；将所述第一组图像特征、第二组图像特征及所述第一图像特征队列作为样本数据进行模型训练的过程中，对所述第一图像特征队列进行动态更新，可以保证包含各类场景特征的数据队列的准确性及数据全面性，从而提高了硬件的处理速度及处理准确率。
[0036]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0037]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0038]图1是根据本公开实施例的数据队列动态更新方法的流程示意图；
[0039]图2是根据本公开实施例的数据队列动态更新方法的流程示意图；
[0040]图3是根据本公开实施例的人脸识别方法的流程示意图；
[0041]图4是根据本公开实施例的数据队列动态更新装置的组成结构示意图；
[0042]图5是根据本公开实施例的数据队列动态更新装置的组成结构示意图；
[0043]图6是根据本公开实施例的人脸识别装置的流程示意图；
[0044]图7是用来实现本公开实施例的数据队列动态更新方法及人脸识别方法的电子设备的框图。
具体实施方式
[0045]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据队列动态更新的方法，包括：根据第一模型对图像数据进行特征提取，得到第一图像特征队列；从所述图像数据中提取第一组图像，根据第二模型对所述第一组图像进行特征提取，得到第一组图像特征；从所述图像数据中提取与所述第一组图像标识ID相对应的第二组图像，根据所述第一模型对所述第二组图像进行特征提取，得到第二组图像特征；将所述第一组图像特征、第二组图像特征及所述第一图像特征队列作为样本数据进行模型训练的过程中，对所述第一图像特征队列进行动态更新。2.根据权利要求1所述的方法，其中，所述将所述第一组图像特征、第二组图像特征及所述第一图像特征队列作为样本数据进行模型训练的过程中，对所述第一图像特征队列进行动态更新，包括：从所述样本数据中提取正样本数据及负样本数据；将所述正样本数据及所述负样本数据基于约束条件计算损失，得到总损失函数；根据所述总损失函数的反向传播对所述第二模型进行训练，并在所述训练过程中对所述第一图像特征队列进行动态更新。3.根据权利要求2所述的方法，其中，所述从所述样本数据中提取正样本数据及负样本数据，包括：从所述样本数据中提取所述第一组图像特征及所述第二组图像特征，将所述第一组图像特征及所述第二组图像特征中所述ID相对应的特征对，作为所述正样本数据；将从所述样本数据中提取的所述第一图像特征队列及所述第二组图像特征，作为负样本数据。4.根据权利要求2所述的方法，其中，所述约束条件用于表征：所述正样本数据之间的距离足够近并符合第一约束值，所述负样本数据之间的距离足够远并符合第二约束值。5.根据权利要求2所述的方法，其中，所述根据所述总损失函数的反向传播对所述第二模型进行训练，并在所述训练过程中对所述第一图像特征队列进行动态更新，包括：根据所述总损失函数的反向传播对所述第二模型进行训练的过程中，根据所述第二组图像特征对所述第一图像特征队列中相应的图像特征进行替换，得到更新后的第一图像特征队列。6.根据权利要求1
‑
5中任一项所述的方法，还包括：更新所述第一模型的参数，直至满足预设的更新迭代次数；根据参数更新迭代后的第一模型进行图像特征提取，得到第三组图像特征；将所述第三组图像特征添加到所述样本数据，得到更新后的样本数据；根据所述更新后的样本数据进行模型训练，直至模型收敛，得到训练后的第二模型。7.一种人脸识别方法，包括：对人脸图像进行采集，得到人脸图像数据；将所述人脸图像数据通过人脸识别模型进行识别处理，得到人脸识别结果，所述人脸识别模型为基于第一人脸图像特征队列的动态更新所得到的训练后第二模型；其中，所述第一人脸图像特征队列的动态更新，包括：根据第一模型对所述人脸图像数据进行特征提取，得到所述第一人脸图像特征队列，
从所述人脸图像数据中提取第一组人脸图像，根据第二模型对所述第一组人脸图像进行特征提取，得到第一组人脸图像特征；从所述人脸图像数据中提取与所述第一组人脸图像标识ID相对应的第二组人脸图像，根据所述第一模型对所述第二组人脸图像进行特征提取，得到第二组人脸图像特征；根据所述第一组人脸图像特征、所述第二组人脸图像特征对所述第一人脸图像特征队列进行动态更新。8.一种数据队列动态更新装置，所述装置包括：第一特征提取模块，用于根据第一模型对图像数据进行特征提取，得到第一图像特征队列；第二特征提取模块，用于从所述图像数据中提取第一组图像，根据第二模型对所述第一组图像进行特征提取，得到第一组图像特征；第三特征提取模块，用于从...

【专利技术属性】
技术研发人员：希滕，李弼，张刚，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：