[发明专利]神经网络的训练方法、电子设备、存储介质

说明书

本申请公开了一种用于人脸优选的神经网络的训练方法、电子设备、存储介质。该方法包括：将带标签的训练人脸序列输入待训练的神经网络，得到训练人脸序列的输出结果，其中标签包括训练人脸序列的已知质量分数序列；对预测质量分数序列进行回归处理得到第一概率分布；利用第一概率分布与第二概率分布计算损失函数；调整神经网络的参数以缩小损失函数；重复执行上述过程直至满足预设的停止训练的条件。通过上述方式，能够对神经网络的参数进行训练。

技术领域

本申请涉及图像处理领域，特别是涉及一种用于人脸优选的神经网络的训练方法、电子设备、存储介质。

背景技术

随着社会的进步和信息技术的发展，最近几年安防监控设备得到了广泛的普及，监控视频人脸识别技术也取得了很大的进步，然而在非限制环境的监控视频场景下，由于受到多种因素影响，比如人脸姿态、表情、模糊、亮度、遮挡等等，导致很多抓拍到的人脸图像质量低下，影响人脸识别系统的识别精度。

发明内容

本申请提供一种用于人脸优选的神经网络的训练方法、电子设备、存储介质，能够解决抓拍到的人脸影响人脸识别系统识别精度的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种用于人脸优选的神经网络的训练方法，该方法包括：将带标签的训练人脸序列输入待训练的神经网络，得到训练人脸序列的输出结果，其中标签包括训练人脸序列的已知质量分数序列，训练人脸序列的已知质量分数序列包括训练人脸序列中每张人脸图像的已知质量分数且排序与训练人脸序列相同，输出结果包括预测质量分数序列，预测质量分数序列包括训练人脸序列中每张人脸图像的预测质量分数且排序与训练人脸序列相同；对预测质量分数序列进行回归处理得到第一概率分布；利用第一概率分布与第二概率分布计算损失函数，第二概率分布是对已知质量分数序列进行回归处理得到的；调整神经网络的参数以缩小损失函数；重复执行上述过程直至满足预设的停止训练的条件。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，该装置包括处理器，处理器用于执行指令以实现前述的方法。

为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储介质，存储有指令，指令被执行时实现前述的方法。

本申请的有益效果是：通过上述方案的实施，将由已知质量分数组成的已知质量分数序列作为人脸图像的标签，将标签和训练人脸序列一起输入神经网络，以得到对应的预测质量分数序列，并将通过已知质量分数和预测质量分数序列计算出来的序列交叉熵函数作为约束，对神经网络的参数进行优化，使得最终得到的神经网络能够对人脸图像的打分更加准确。

附图说明

图1是本申请用于人脸优选的神经网络的训练方法一实施例的流程示意图；

图2是本申请神经网络的结构示意图；

图3是本申请排序前的人脸序列图；

图4是本申请排序后的人脸序列图；

图5是本申请电子设备一实施例的结构示意图；

图6是申请存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。