[发明专利]儿童人脸识别模型的训练方法、装置以及存储介质

权利要求书

1.一种儿童人脸识别模型的训练方法，其特征在于，包括：

获取预先训练好的成人人脸识别模型，所述成人人脸识别模型使用成人人脸图像样本集训练得到；

获取儿童人脸图像样本集，所述儿童人脸图像样本集包括多个具有身份标签的儿童人脸图像；

获取初始图像分类层，并根据儿童人脸图像的身份标签设置所述初始图像分类层，得到目标人脸图像分类层，其中所述目标人脸图像分类层的输出结果与所述儿童人脸图像样本集的身份标签对应；

使用所述目标人脸图像分类层替换所述成人人脸识别模型的分类层，得到初始儿童人脸识别模型；

冻结所述初始儿童人脸识别模型中分类层之前的多层神经网络，使得训练时所述分类层之前的多层神经网络的参数不变；

使用所述儿童人脸图像样本集训练所述到初始儿童人脸识别模型，得到过渡儿童人脸识别模型；

对所述过渡儿童人脸识别模型中的分类层之前的多层神经网络进行解冻；

使用所述儿童人脸图像样本集对所述过渡儿童人脸识别模型进行训练，得到目标儿童人脸识别模型。

2.根据权利要求1所述的方法，其特征在于，所述使用所述儿童人脸图像样本集训练所述初始儿童人脸识别模型，包括：

从所述儿童人脸图像样本集中随机选择儿童人脸图像输入所述初始儿童人脸识别模型得到识别结果；

根据所述识别结果计算所述初始儿童人脸识别模型的损失函数；

判断所述初始儿童识别模型的损失函数是否小于预设值；

若小于所述预设值，确认所述儿童人脸识别模型训练完成；

若大于或等于所述预设值，使用反向传播算法对所述儿童人脸识别模型的分类层进行优化后，则返回从所述儿童人脸图像样本集中随机选择儿童人脸图像输入所述初始儿童人脸识别模型得到识别结果的步骤。

3.根据权利要求2所述的方法，其特征在于，所述预设值是所述损失函数的初始值的千分之一。

4.根据权利要求1所述的方法，其特征在于，所述使用所述儿童人脸图像样本集作为训练样本对所述过渡儿童人脸识别模型进行完整训练，包括：

从所述儿童人脸图像样本集中随机选择儿童人脸图像输入所述过渡儿童人脸识别模型得到识别结果；

根据所述识别结果判断所述过渡儿童人脸识别模型是否收敛；

若收敛，确认所述过渡儿童人脸识别模型训练完成；

若不收敛，使用反向传播算法对所述儿童人脸识别模型的分类层进行优化后，返回从所述儿童人脸图像样本集中随机选择儿童人脸图像输入所述过渡儿童人脸识别模型得到识别结果。

5.一种儿童人脸识别模型的训练装置，其特征在于，包括：

第一获取单元，用于获取预先训练好的成人人脸识别模型，所述成人人脸识别模型使用成人人脸图像样本集训练得到；

第二获取单元，用于获取儿童人脸图像样本集，所述儿童人脸图像样本集包括多个具有身份标签的儿童人脸图像；

第三获取单元，用于获取初始图像分类层，并根据儿童人脸图像的身份标签设置所述初始图像分类层，得到目标人脸图像分类层，其中所述目标人脸图像分类层的输出结果与所述儿童人脸图像样本集的身份标签对应；

替换单元，用于使用所述目标人脸图像分类层替换所述成人人脸识别模型的分类层，得到初始儿童人脸识别模型；

冻结单元，用于冻结所述初始儿童人脸识别模型的分类层之前的多层神经网络，使得训练时所述分类层之前的多层神经网络的参数不变；

第一训练单元，用于使用所述儿童人脸图像样本集训练所述到初始儿童人脸识别模型，得到过渡儿童人脸识别模型；

解冻单元，用于对所述过渡儿童人脸识别模型中的分类层之前的多层神经网络进行解冻；

第二训练单元，用于使用所述儿童人脸图像样本集对所述儿童人脸识别模型进行训练，得到目标儿童人脸识别模型。