[发明专利]神经网络训练方法、人脸识别任务的执行方法及装置

说明书

本公开提供了一种神经网络训练方法、人脸识别任务的执行方法及装置，所得到的模型规模更小，执行任务时需要耗费的计算量更少。神经网络训练方法包括：利用神经网络中的特征提取网络对拼接的图像数据进行特征提取，得到拼接的图像数据的特征；拼接的图像数据由每种类别的人脸识别任务训练所用的样本人脸图像拼接得到；利用神经网络中的每个功能实现网络分支，根据拼接的图像数据的特征中、与该功能实现网络分支所能够完成的人脸识别任务的类别相对应的特征，确定每种类别的人脸识别任务的人脸识别结果；根据确定的人脸识别结果以及拼接得到拼接的图像数据的样本人脸图像的标注结果，对神经网络的网络参数值进行调整，得到初步训练后的神经网络。

技术领域

本公开涉及图像处理技术领域，具体而言，涉及一种神经网络训练方法、人脸识别任务的执行方法及装置。

背景技术

人脸识别是计算机视觉研究领域中的热门研究方向之一，并且有着广泛的应用，在安防、监控、泛娱乐等领域都有着重要的作用。

当前人脸识别领域有非常多的应用，每种应用都被称为一种人脸识别任务；比如情绪识别、年龄识别、性别识别、疲劳检测、关键点定位等。而随着深度学习进入高速发展期，在各种视觉任务中涌现出大量的方法，通过大量数据进行深度学习得到的图像特征也具有更强、更加泛化的表达能力，把深度学习得到的图像特征作为分类和定位的特征具有更高的准确率。

随着人脸识别领域中的人脸识别任务越来越多，需要训练并在设备中存储的人脸识别模型越来越多，占用了大量的存储空间，在执行多种人脸识别任务时，需要耗费大量的计算资源。

发明内容

有鉴于此，本公开实施例至少提供一种神经网络训练方法、人脸识别任务的执行方法及装置。

第一方面，本公开实施例提供了一种神经网络训练方法，所述神经网络训练方法包括：获取至少两种类别的人脸识别任务中每种类别的人脸识别任务训练所用的样本人脸图像，以及每个样本人脸图像的标注结果；利用所述神经网络中的特征提取网络对拼接的图像数据进行特征提取，得到拼接的图像数据的特征；其中，所述拼接的图像数据由所述每种类别的人脸识别任务训练所用的样本人脸图像拼接得到；利用所述神经网络中的每个功能实现网络分支，根据所述拼接的图像数据的特征中、与该功能实现网络分支所能够完成的人脸识别任务的类别相对应的特征，确定每种类别的人脸识别任务的人脸识别结果；其中，不同功能实现网络分支完成不同类别的人脸识别任务；根据确定的人脸识别结果以及拼接得到所述拼接的图像数据的样本人脸图像的标注结果，对所述神经网络的网络参数值进行调整，得到初步训练后的神经网络。

这样，通过该神经网络训练方法所得到的初步训练后的神经网络，包括多种类别的人脸识别任务通用的特征提取网络，和与每种类别的人脸识别任务分别对应的功能实现网络分支，较之当前为每一种类别的人脸识别任务分别训练人脸识别模型，具有更小的模型体积，且多种类别的人脸识别任务的特征提取过程只需执行一次，因此需要耗费的计算量更少。

一种可选实施方式中，在得到初步训练后的神经网络之后，所述方法还包括：利用所述初步训练后的神经网络中的特征提取网络对微调所用的样本人脸图像进行特征提取，得到所述微调所用的样本人脸图像的特征；其中，所述微调所用的样本人脸图像包括一种类别的人脸识别任务训练所用的样本人脸图像；利用所述初步训练后的神经网络中能够完成该种类别的人脸识别任务的功能实现网络分支，根据所述微调所用的样本人脸图像的特征，确定所述微调所用的样本人脸图像的人脸识别结果；根据确定的所述微调所用的样本人脸图像的人脸识别结果以及所述微调所用的样本人脸图像的标注结果，对所述训练后的神经网络中能够完成该种类别的人脸识别任务的功能实现网络分支的网络参数进行调整。

这样，经过对功能实现网络分支的微调进一步提升神经网络的精度。

一种可选实施方式中，用于拼接得到所述拼接的图像数据中的每种类别的人脸识别任务训练所用的样本人脸图像的数量均衡。