人脸数据清洗方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了人脸数据清洗方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取待清洗人脸数据组集；从待清洗人脸数据组集中选取任一待清洗人脸数据组以及将去除第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；基于第一目标人脸数据组和第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；将第一目标人脸数据组与第二目标人脸数据组进行合并处理，以生成目标人脸数据组；将目标人脸数据组确定为清洗后人脸数据组。该实施方式提高了人脸识别数据集的质量。数据集的质量。数据集的质量。

【技术实现步骤摘要】
人脸数据清洗方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及人脸数据清洗方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]随着人脸识别技术的发展，人脸识别数据集的质量直接影响了人脸识别技术的效果。如何清洗不同人员的人脸识别数据集中的人脸识别数据成为一项重要的研究课题。目前，在对不同人员的人脸识别数据集中的人脸识别数据进行清洗时，通常采用的方式为：从任一人脸识别数据集中随机选取人脸识别数据与另一人脸识别数据集中各个人脸识别数据进行相似度比较，响应于确定两个人脸识别数据集为同一人员的人脸识别数据集，合并两个人脸识别数据集。
[0003]然而，当采用上述方式对人脸识别数据集中的人脸识别数据进行清洗时，经常会存在如下技术问题：
[0004]第一，人脸识别数据集中可能会存在不同人员的人脸识别数据，随机选取人脸识别数据确定相似度时，可能将不同人员的人脸识别数据集进行合并或未合并同一人员的人脸识别数据集，导致人脸识别数据集的质量较低。
[0005]第二，人脸识别数据集中可能会存在不同人员的人脸识别数据，未对同一人脸识别数据集中不同人员的人脸识别数据进行清洗，导致人脸识别数据集的质量较低。

技术实现思路

[0006]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0007]本公开的一些实施例提出了人脸数据清洗方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0008]第一方面，本公开的一些实施例提供了一种人脸数据清洗方法，该方法包括：获取待清洗人脸数据组集；从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
[0009]第二方面，本公开的一些实施例提供了一种人脸数据清洗装置，装置包括：获取单元，被配置成获取待清洗人脸数据组集；选取单元，被配置成从上述待清洗人脸数据组集中
选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；处理单元，被配置成基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
[0010]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0011]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0012]本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的人脸数据清洗方法，可以提高人脸识别数据集的质量。具体来说，造成人脸识别数据集的质量较低的原因在于：人脸识别数据集中可能会存在不同人员的人脸识别数据，随机选取人脸识别数据确定相似度时，可能将不同人员的人脸识别数据集进行合并或未合并同一人员的人脸识别数据集，导致人脸识别数据集的质量较低。基于此，本公开的一些实施例的人脸数据清洗方法，首先，获取待清洗人脸数据组集；从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集。由此，可以对不同人员的待清洗人脸数据组进行清洗。然后，基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：首先，确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值。由此，可以通过相似度均值确定第一目标人脸数据组与第二目标人脸数据组集中的第一个第二目标人脸数据组是否为同一人员的人脸数据组。其次，响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组。由此，可以将同一人员的人脸数据组进行合并，可以提高人脸数据组的质量。最后，响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。由此，完成对待清洗人脸数据组集的清洗。提高了人脸识别数据集的质量。
附图说明
[0013]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0014]图1是根据本公开的人脸数据清洗方法的一些实施例的流程图；
[0015]图2是根据本公开的人脸数据清洗装置的一些实施例的结构示意图；
[0016]图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0017]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0018]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0019]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0020]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0021]本公开实施方式中的多个装置之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸数据清洗方法，包括：获取待清洗人脸数据组集；从所述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除所述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；基于所述第一目标人脸数据组和所述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与所述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于所述相似度均值大于预设相似度均值，将所述第一目标人脸数据组与所述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将所述目标人脸数据组确定为清洗后人脸数据组。2.根据权利要求1所述的方法，其中，所述方法还包括：响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集不为空，将去除了第一个第二目标人脸数据组作为第二目标人脸数据组集，将目标人脸数据组作为第一目标人脸数据组，再次执行所述处理步骤。3.根据权利要求1所述的方法，其中，所述获取待清洗人脸数据组集，包括：获取待提取人脸图像组集；将所述待提取人脸图像组集包括的每个待提取人脸图像输入至预先训练的人脸识别模型中，得到待清洗人脸数据组集。4.根据权利要求1所述的方法，其中，所述确定第一目标人脸数据组与所述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值，包括：对于所述第一目标人脸数据组中的每个第一目标人脸数据，确定所述第一目标人脸数据与所述第二目标人脸数据组集中的第一个第二目标人脸数据组中的各个第二目标人脸数据的相似度，以生成相似度组；确定所生成的各个相似度组包括的各个相似度的平均值，得到相似度均值。5.根据权利要求3所述的方法，其中，所述人脸识别模型...

【专利技术属性】
技术研发人员：万勇康，张政云，魏祥海，康珮珮，
申请(专利权)人：中星微技术股份有限公司中星电子股份有限公司北京中星微电子有限公司，
类型：发明
国别省市：