【技术实现步骤摘要】
一种难正负样本在线挖掘方法和人脸识别方法
[0001]本专利技术涉及图像处理和机器学习的交叉领域,具体涉及一种难正负样本挖掘方法和应用该种挖掘方法进行模型训练的人脸识别方法。
技术介绍
[0002]通过利用大量人脸图片进行模型训练来提高人脸识别精度,已是人脸识别领域的常规做法。训练过程和方法不同,得出的模型识别效果也会不同。通过对训练过程和方法进行改进,来提高模型识别人脸的精度,是业界相关学者的研究课题之一。
[0003]基于度量学习(metric learning)原理的,能够利用百万级人脸数据集的人脸识别模型训练框架,通常采用结合在线挖掘的度量学习算法。使用度量学习算法训练模型时,需要给模型提供大量的相同人脸对(正样本对)和不同人脸对(负样本对)。在训练的中后期阶段,这些样本对越难,模型的识别性能越能提升越明显,训练速度也更快。随着模型训练迭代次数的增加,这种难易程度的标准在不断演化,因此难样本对必须在训练过程中进行在线挖掘,而挖掘出的正负样本对的困难程度又与参加每次训练迭代的数据量正相关。
[0004]综上所述,在人脸识别模型的训练阶段利用难正负样本在线挖掘方法来进行训练,参与难正负样本在线挖掘的数据批量越大,则越有利于提升人脸识别算法的精确度。然而,现有的训练过程中,特征提取、损失函数计算、梯度计算和反向传播都主要是通过GPU(Graphics Processing Unit,图形处理器)进行,而GPU卡板载显存容量有限,能处理的图像数量有限,单张GPU卡上的数据批量通常在几十个至上百个人脸图 ...
【技术保护点】
【技术特征摘要】
1.一种难正负样本在线挖掘方法,用于人脸识别模型的训练过程,其特征在于,包括如下步骤:S1、获取由第一图形处理器从样本人脸对提取到的特征向量对;S2、根据所述特征向量对计算所述样本人脸对的损失函数;S3、根据所述损失函数,对所述样本人脸对进行难正负样本挖掘,得到包含难正负样本人脸对的目标样本集;S4、计算所述目标样本集中各所述难正负样本人脸对的梯度,并将所述梯度传送到第二图形处理器,以使所述第二图形处理器通过所述梯度进行反向传播,对模型参数进行调整,并将调整后的模型参数共享给所述第一图形处理器。2.如权利要求1所述的难正负样本在线挖掘方法,其特征在于,步骤S2中,当所述样本人脸对为二元组时,所述损失函数为:其中,y是所述样本人脸对的标签,当y=0时表示所述样本人脸对为负样本对,当y=1时表示所述样本人脸对为正样本对;d
a,b
是二元组的人脸图像a与b的度量距离,表征人脸图像a与b的特征向量之间的空间距离;β是预设的阈值,用于衡量正样本对下的二元组的度量距离是否足够小,或者衡量负样本对下的二元组的度量距离是否足够大;(β
‑
d
a,b
)
+
表示hinge函数,形式为max(0,β
‑
d
a,b
),当d
a,b
大于或等于β时,max(0,β
‑
d
a,b
)取值为0;当d
a,b
小于β时,max(0,β
‑
d
a,b
)取值为β
‑
d
a,b
;当所述样本人脸对为三元组时,所述损失函数为:L2=d
a,b
+(d
a,b
‑
d
a,c
+β)
+
其中,三元组包含人脸图像a、b、c,a与b构成正样本对,a与c构成负样本对;d
a,c
是人脸图像a与c的度量距离;(d
a,b
‑
d
a,c
+β)
+
表示hinge函数,形式为max(0,d
a,b
‑
d
a,c
+β),当(d
a,b
‑
d
a,c
+β)大于0则取值为(d
a,b
‑
d
a,c
+β),否则取值为0。3.如权利要求1所述的难正负样本在线挖掘方法,其特征在于,步骤S3具体包括:将所述样本人脸对的特征向量对添加到一特征向量池中;当所述特征向量池中特征向量对的数量达到预设数量时,以预设的采样策略对所述特征向量池中的特征向量对所对应的样本人脸对进行采样,得到所述目标样本集。4.如权利要求3所述的难正负样本在线挖掘方法,其特征在于,步骤S3中进行所述采样时,先将所述特征向量池中的特征向量对所对应的损失函数整理成损失函数矩阵,再通过预设的采样核在所述损失函数矩阵中进行采样,得到所述目标样本集。5.如权利要求4所述的难正负样本在线挖掘方法,其特征在于,将所述特征向量池中的特征向量对所对应的损失函数整理成损失函数矩阵,包括:计算所述特征向量池中的特征向量对所对应的损失函数的平均值和标准差;根据平均值和标准差,控制所述特征向量池中的特征向量对所对应的损失函数的分布,使其符合高斯分布且覆盖高于第一阈值的所有损失函数;将符合高斯分布的损失函数用于构建损失函数矩阵。6.如权利要求4所述的难正负样本在线挖掘方法,其特征在于,步骤S3中,以预设的采样策略对所述特征向量池中的特征向量对所对应的样本人脸对进行采样的步骤包括:
训练开始时,通过预设的第一采样方法对所述特征向量池中的特征向量对所对应的样本人脸对进行采样...
【专利技术属性】
技术研发人员:郑文先,陶映帆,杨文明,廖庆敏,
申请(专利权)人:清华大学深圳国际研究生院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。