[发明专利]人脸识别模型的训练方法及装置

说明书

本申请提供一种人脸识别模型的训练方法及装置，其中的方法包括：基于公开人脸数据集进行多层神经网络训练，并训练出至少一个基层；从所述至少一个基层中提取图像变换参数；根据提取到的图像变换参数对非公开人脸数据集进行不可逆的模糊化处理；将模糊化处理后的非公开人脸数据集上传到服务端，由所述服务端完成所述多层神经网络剩余基层的训练。本申请可以排除在对非公开人脸数据进行上传的过程中泄密风险。

技术领域

本申请涉及通讯领域，尤其涉及一种人脸识别模型的训练方法及装置。

背景技术

人脸识别是图像识别领域的一个热门领域，为了训练更高精度的人脸识别模型，现有的训练系统都需要大量的人脸图像作为训练样本，并且采用分布式计算以提高训练速度，因此越来越多的模型训练任务已经放在云计算平台上来运行。

然而由于模型训练之前需要将人脸图像上传到云计算平台，因此在将人脸图像上传到云计算平台的过程中，则会存在人脸图像被窃取从而泄漏用户隐私的问题。

发明内容

有鉴于此，本申请提出一种人脸识别模型的训练方法，该方法包括：

基于公开人脸数据集进行多层神经网络训练，并训练出至少一个基层；

从所述至少一个基层中提取图像变换参数；

根据提取到的图像变换参数对非公开人脸数据集进行不可逆的模糊化处理；

将模糊化处理后的非公开人脸数据集上传到服务端，由所述服务端完成所述多层神经网络剩余基层的训练。

可选的，所述多层神经网络包括多层卷积神经网络。

可选的，所述服务端包括云计算平台。

可选的，所述从所述至少一个网络层中提取图像变换参数包括：

提取所述至少一个网络层中的特征映射图；

将提取出的特征映射图作为图像变换参数进行输出。

可选的，所述根据提取到的图像变换参数对非公开人脸数据集进行不可逆的模糊化处理包括：

将所述图像变换参数作为卷积核与所述非公开人脸数据集进行卷积计算，以对所述非公开人脸数据集进行不可逆的模糊化处理。

本申请还提出一种人脸识别模型的训练装置，该装置包括：

训练模块，用于基于公开人脸数据集进行多层神经网络训练，并训练出至少一个基层；

提取模块，用于从所述至少一个基层中提取图像变换参数；

处理模块，用于根据提取到的图像变换参数对非公开人脸数据集进行不可逆的模糊化处理；

上传模块，用于将模糊化处理后的非公开人脸数据集上传到服务端，由所述服务端完成所述多层神经网络剩余基层的训练。

可选的，所述多层神经网络包括多层卷积神经网络；所述服务端包括云计算平台。

可选的，所述提取模块具体用于：

提取所述至少一个网络层中的特征映射图；

将提取出的特征映射图作为图像变换参数进行输出。

可选的，所述处理模块具体用于：

将所述图像变换参数作为卷积核与所述非公开人脸数据集进行卷积计算，以对所述非公开人脸数据集进行不可逆的模糊化处理。

本申请还提出一种人脸识别模型的训练装置，包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：