[发明专利]一种人脸识别模型的调整方法、装置和存储介质

权利要求书

1.一种人脸识别模型的调整方法，其特征在于，包括：

获取用于训练预设人脸识别模型的原样本集，以及用于调整模型的调整样本集；

采用所述人脸识别模型分别对原样本集和调整样本集中的人群样本进行计算，得到第一向量组和第二向量组，包括：对原样本集中的人群样本进行两两组合，得到第一类样本对；对调整样本集中的人群样本进行两两组合，得到第二类样本对；采用所述人脸识别模型分别对第一类样本对和第二类样本对进行计算，得到第一向量组和第二向量组；

根据第一向量组确定原样本集的相似度分布曲线，以及根据第二向量组确定调整样本集的相似度分布曲线；

对所述原样本集的相似度分布曲线和调整样本集的相似度分布曲线进行收敛，以调整所述人脸识别模型，包括：计算原样本集的相似度分布曲线和调整样本集的相似度分布曲线之间的距离；将所述距离作为调整信息，并根据所述调整信息对所述人脸识别模型中的参数进行调整，

其中，所述根据所述调整信息对所述人脸识别模型中的参数进行调整包括：

获取所述人脸识别模型的训练目标函数；

将所述调整信息添加至所述训练目标函数中，以更新所述训练目标函数；

根据更新后训练目标函数计算所述人脸识别模型中参数的梯度；

基于所述梯度对所述人脸识别模型中的参数信息调整，并返回执行采用所述人脸识别模型分别对第一类样本对和第二类样本对进行计算的步骤，直至更新后训练目标函数的变化小于设定值。

2.根据权利要求1所述的方法，其特征在于，所述第一类样本对包括第一类正样本对和第一类负样本对，所述第二类样本对包括第二类正样本对和第二类负样本对；

所述对原样本集中的样本进行两两组合，得到第一类样本对，包括：将所述原样本集中属于同一人的预设数量的样本进行两两组合，以建立第一类正样本对；将所述原样本集中不属于同一人的预设数量的样本进行两两组合，以建立第一类负样本对；

所述对调整样本集中的样本进行两两组合，得到第二类样本对，包括：将所述调整样本集中属于同一人的预设数量的样本进行两两组合，以建立第二类正样本对；将所述调整样本集中不属于同一人的预设数量的样本进行两两组合，以建立第二类负样本对。

3.根据权利要求2所述的方法，其特征在于，所述采用所述人脸识别模型分别对第一类样本对和第二类样本对进行计算，得到第一向量组和第二向量组，包括：

采用所述人脸识别模型分别对第一类正样本对进行计算，得到第一类正样本对对应的第一向量组；

采用所述人脸识别模型分别对第一类负样本对进行计算，得到第一类负样本对对应的第一向量组；

采用所述人脸识别模型分别对第二类正样本对进行计算，得到第二类正样本对对应的第二向量组；

采用所述人脸识别模型分别对第二类负样本对进行计算，得到第二类负样本对对应的第二向量组。

4.根据权利要求3所述的方法，其特征在于，所述根据第一向量组确定原样本集的相似度分布曲线，以及根据第二向量组确定调整样本集的相似度分布曲线，包括：

根据第一类正样本对对应的第一向量组确定原样本集中属于同一人的样本的相似度分布曲线，得到第一类同人相似度分布曲线；

根据第一类负样本对对应的第一向量组确定原样本集中不属于同一人的样本的相似度分布曲线，得到第一类非同人相似度分布曲线；

根据第二类正样本对对应的第二向量组确定调整样本集中属于同一人的样本的相似度分布曲线，得到第二类同人相似度分布曲线；

根据第二类负样本对对应的第二向量组确定调整样本集中不属于同一人的样本的相似度分布曲线，得到第二类非同人相似度分布曲线。

5.根据权利要求4所述的方法，其特征在于，所述对所述原样本集的相似度分布曲线和调整样本集的相似度分布曲线进行收敛，以调整所述人脸识别模型，包括：

计算第一类同人相似度分布曲线和第二类同人相似度分布曲线之间的距离，得到第一距离；

计算第一类非同人相似度分布曲线和第二类非同人相似度分布曲线之间的距离，得到第二距离；

计算第二类同人相似度分布曲线和第二类非同人相似度分布曲线之间的重叠度；

根据所述第一距离、第二距离和重叠度作为调整信息，并根据所述调整信息对所述人脸识别模型中的参数进行调整。