[发明专利]亲属识别网络模型的训练方法及装置

说明书

本申请公开了一种亲属识别网络模型的训练方法及装置，属于图像识别技术领域。所述方法包括：获取人脸识别网络模型；将多个预设人脸图像集包括的预设人脸图像输入人脸识别网络模型；通过指定三重损失函数根据第一特征距离与第二特征距离之间的差异值，对人脸识别网络模型中的参数进行调整，指定三重损失函数为光滑的凸函数，第一特征距离为具有亲属关系的预设人脸图像的人脸图像特征之间的距离，第二特征距离为具有非亲属关系的预设人脸图像的人脸图像特征之间的距离；将参数调整完成后的人脸识别网络模型确定为亲属识别网络模型。本申请中亲属识别网络模型可以更加深入地挖掘出人脸图像的遗传特征，从而使得亲属识别网络模型的识别准确度较高。

技术领域

本申请涉及图像识别技术领域，特别涉及一种亲属识别网络模型的训练方法及装置。

背景技术

两个人的人脸图像之间的相似度是判断两个人是否具有亲属关系的重要依据，由于基于人脸图像的自动化亲属关系识别可广泛应用于快速亲子鉴定、失踪儿童查找、手机相册管理、海量社交图像理解等领域，因此其已经引起了人们越来越多的关注。

相关技术中，一般通过卷积神经网络模型进行人脸亲属关系识别，具体地，先使用多个训练图像集和二分类损失函数训练得到卷积神经网络模型，然后向该卷积神经网络模型输入两个人脸图像，该卷积神经网络模型即可输出这两个人脸图像是亲属关系还是非亲属关系。

然而，由于该卷积神经网络模型仅仅是使用二分类损失函数训练得到，所以该卷积神经网络模型的训练过程的监督信号较弱，从而造成最终学习到的人脸图像特征所处的特征空间不具有代表性，导致该卷积神经网络模型的识别准确度较低。

发明内容

本申请提供了一种亲属识别网络模型的训练方法、装置、计算机可读存储介质和计算机程序产品，可以解决相关技术中亲属关系的识别准确度较低的问题。所述技术方案如下：

第一方面，提供了一种方法，所述方法包括：

获取人脸识别网络模型，所述人脸识别网络模型用于对人脸图像进行身份识别；

将多个预设人脸图像集包括的预设人脸图像输入所述人脸识别网络模型，所述多个预设人脸图像集包括具有亲属关系的预设人脸图像集和具有非亲属关系的预设人脸图像集；

通过指定三重损失函数根据第一特征距离与第二特征距离之间的差异值，对所述人脸识别网络模型中的参数进行调整，所述指定三重损失函数为光滑的凸函数，所述第一特征距离为具有亲属关系的预设人脸图像的人脸图像特征之间的距离，所述第二特征距离为具有非亲属关系的预设人脸图像的人脸图像特征之间的距离；

将参数调整完成后的所述人脸识别网络模型确定为亲属识别网络模型，所述亲属识别网络模型用于对人脸图像进行亲属关系识别。

在本申请实施例中，指定三重损失函数是通过不断比较具有亲属关系的预设人脸图像的人脸图像特征之间的距离和具有非亲属关系的预设人脸图像的人脸图像特征之间的距离这两个距离之间的差异，来给该人脸识别网络模型反馈差异信号，因而据此训练得到的该亲属识别网络模型可以更加深入地挖掘出人脸图像的遗传特征，从而使得该亲属识别网络模型的识别准确度较高。

进一步地，所述将参数调整完成后的所述人脸识别网络模型确定为亲属识别网络模型之后，还包括：

获取待识别亲属关系的两个目标人脸图像；

通过所述亲属识别网络模型识别所述两个目标人脸图像之间的亲属关系。

在本申请实施例中，由于亲属识别网络模型可以更加深入地挖掘出人脸图像的遗传特征，识别准确度较高，因此获取到待识别亲属关系的两个目标人脸图像时，可以通过该亲属识别网络模型来对该两个目标人脸图像之间的亲属关系进行准确识别。

其中，所述将多个预设人脸图像集包括的预设人脸图像输入所述人脸识别网络模型，包括：