[发明专利]用于生成特征向量的方法、装置、电子设备和介质

权利要求书

1.一种用于生成特征向量的方法，包括：

获取人脸图像；

将所述人脸图像输入至预先训练的第一人脸识别网络，生成与所述人脸图像对应的人脸特征向量，其中，所述第一人脸识别网络是通过以下步骤得到的：

获取训练样本集合，训练样本包括样本人脸图像和所述样本人脸图像对应的样本特征向量；

将所述训练样本集合中的训练样本的样本人脸图片作为输入，将与输入的样本人脸图片对应的样本特征向量作为期望输出，训练得到所述第一人脸识别网络。

2.根据权利要求1所述的方法，其中，所述训练样本是通过以下步骤得到的：

从人脸数据集中获取第一人脸图像，其中，所述人脸数据集用于存储人脸图片和对应的样本人脸特征向量；

将所述第一人脸图像依次输入所述第一人脸识别网络和第二人脸识别网络，分别得到第一人脸特征向量和第二人脸特征向量；

将所述第一人脸特征向量和所述第二人脸特征向量进行处理，得到第三人脸特征向量；

将所述第三人脸特征向量输入预先训练的融合网络中的编码器中，得到第四人脸特征向量，将所述第一人脸图像作为所述样本人脸图像，将所述第四人脸特征向量作为所述样本人脸图像对应的样本特征向量。

3.根据权利要求2所述的方法，其中，所述融合网络是通过以下步骤得到的：

获取样本集，其中，样本包括所述样本第三人脸特征向量和所述样本第三人脸特征向量对应的人脸图片在所述人脸数据集中的样本人脸特征向量；

将所述样本集中的样本中的样本第三人脸特征向量作为输入，将与输入的样本第三人脸特征向量对应的人脸图片在所述人脸数据集中的样本人脸特征向量作为期望输出，训练得到所述融合网络。

4.根据权利要求2所述的方法，其中，所述第一人脸识别网络的识别精度小于所述第二人脸识别网络的识别精度；所述融合网络的识别精度大于所述第一人脸识别网络的识别精度。

5.根据权利要求2所述的方法，其中，所述融合网络的结构是编码器-解码器结构。

6.根据权利要求3所述的方法，其中，所述将所述样本集中的样本中的样本第三人脸特征向量作为输入，将与输入的样本第三人脸特征向量对应的人脸图片在所述人脸数据集中的样本人脸特征向量作为期望输出，训练得到所述融合网络，包括：

从所述样本集中选取样本，执行以下训练步骤：将选取的样本的样本第三人脸特征向量输入初始融合网络，得到与所述样本第三人脸特征向量对应的人脸特征向量；将所述人脸特征向量与对应的样本人脸特征向量进行分析，确定第一损失值；将所述第一损失值与预设阈值进行比较；根据比较结果确定初始融合网络是否训练完成；响应于确定初始融合网络训练完成，将初始融合网络确定为融合网络。

7.根据权利要求6所述的方法，其中，所述方法还包括：

响应于确定初始融合网络未训练完成，调整初始融合网络中的相关参数，以及从所述样本集中重新选取样本，使用调整后的初始融合网络作为初始融合网络，继续执行所述训练步骤。

8.一种用于生成特征向量的装置，包括：

第一获取单元，被配置成获取人脸图像；

生成单元，被配置成将所述人脸图像输入至预先训练的第一人脸识别网络，生成与所述人脸图像对应的人脸特征向量，其中，所述第一人脸识别网络是通过以下步骤得到的：

获取训练样本集合，训练样本包括样本人脸图像和所述样本人脸图像对应的样本特征向量；

将所述训练样本集合中的训练样本的样本人脸图片作为输入，将与输入的样本人脸图片对应的样本特征向量作为期望输出，训练得到所述第一人脸识别网络。

9.一种电子设备/终端/服务器，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，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。