[发明专利]一种构建模型的方法、装置、终端设备及介质

说明书

本申请适用于模型构建技术领域，提供了一种构建模型的方法、构建模型的装置、终端设备及介质，其中，一种构建模型的方法，通过从训练好的人脸检测模型中确定出卷积层列队，再基于卷积层列队中每个卷积层的各特征通道的通道权值和预设的通道删除比例，按照卷积层列队中卷积层的排列顺序，依次对每个卷积层进行通道删除，进而得到新的人脸检测模型，由于新的人脸检测模型中并未删除卷积层，仅是删除卷积层中的部分通道，因此能够在保证人脸检测的准确率不变的情况下，降低了运行新的人脸检测模型时的资源占用率，同时提高了人脸图像识别的效率。

技术领域

本申请属于模型构建技术领域，尤其涉及一种构建模型的方法、装置、终端设备及计算机可读存储介质。

背景技术

人脸检测技术，是基于人的脸部特征信息进行身份识别的一种生物识别技术。同时，人脸检测技术也是多种生物识别技术中，被应用范围交广的技术之一。例如，终端的解锁、消费活动中的支付验证或者门禁考勤等，都应用到了人脸检测技术。

在实现对人脸图像进行识别时，大多数是应用包含神经网络的人脸图像识别模型对采集到的人脸图像进行识别。虽然，现有的人脸图像识别模型中都配置有较为复杂的特征提取网络层，能够用于提取图像中的各种特征，但是同时也会占用大部分的机器资源，且识别过程需要耗费较长时间。可见，现有的人脸图像识别过程中，存在人脸检测模型的识别效率较低的问题。

发明内容

有鉴于此，本申请实施例提供了一种构建模型的方法、装置、终端设备及计算机可读存储介质，以解决现有的人脸图像识别过程中，存在人脸检测模型的识别效率较低的问题。

本申请实施例的第一方面提供了一种构建模型的方法，包括：

从训练好的人脸检测模型中确定出卷积层列队；其中，所述卷积层列队中排列有所述训练好的人脸检测模型中的所有卷积层，且所述卷积层的排列顺序与所述卷积层的特征输出顺序相反；

基于所述卷积层列队中每个卷积层的各特征通道的通道权值和预设的通道删除比例，按照所述卷积层的排列顺序依次对每个所述卷积层进行通道删除，得到新的人脸检测模型。

进一步的，所述从训练好的人脸检测模型中确定出卷积层列队，包括：

获取训练好的人脸检测模型的脚本文件；

根据预设的卷积层标识，从所述脚本文件中确定出用于描述卷积层的所有目标脚本文件，得到脚本文件集合；

按照执行所述目标脚本文件的相反顺序，对所述脚本文件集合中的目标脚本文件进行排列，得到卷积层列队。

进一步的，所述基于所述卷积层列队中每个卷积层的各特征通道的通道权值和预设的通道删除比例，按照所述卷积层的排列顺序依次对每个所述卷积层进行通道删除，得到新的人脸检测模型，包括：

若按照所述排列顺序从所述卷积层列队中确定出当前目标卷积层，则基于所述当前目标卷积层的各特征通道的通道权值和所述预设的通道删除比例，对所述当前目标卷积层进行通道删除，得到目标人脸检测模型；

利用所述人脸图像训练集对所述目标人脸检测模型进行训练，得到训练好的目标人脸检测模型；

若按照所述排列顺序无法从所述卷积层列队中确定出下一级目标卷积层，则将所述训练好的目标人脸检测模型识别为所述新的人脸检测模型。

进一步的，所述利用所述人脸图像训练集对所述目标人脸检测模型进行训练，得到训练好的目标人脸检测模型的步骤之后，还包括：