[发明专利]图像推送方法、模型训练方法及对应装置

权利要求书

1.一种图像推送方法，其特征在于，应用于终端设备，所述方法包括：

获取多个第一图像；

将所述多个第一图像分别输入至所述终端设备上部署的第一神经网络进行打分，获得所述第一神经网络对应输出的多个第一分数；其中，所述第一神经网络的打分结果模拟服务器上部署的图像处理算法对待处理图像的打分结果，所述图像处理算法的打分结果表征所述待处理图像被用于执行预设的图像处理任务的适合程度；

将所述多个第一分数中满足预设规则的目标分数对应的第一图像确定为目标图像，并向所述服务器发送所述目标图像，以使所述服务器利用所述图像处理算法处理所述目标图像。

2.根据权利要求1所述的图像推送方法，其特征在于，所述第一图像为人脸图像，所述图像处理算法为人脸识别算法，所述待处理图像为待识别人脸图像，所述图像处理任务为人脸识别任务，所述人脸识别算法的打分结果表征所述待识别人脸图像与底库人脸图像的相似程度。

3.根据权利要求2所述的图像推送方法，其特征在于，所述获取多个第一图像，包括：

获取第一人脸轨迹，所述第一人脸轨迹包括多个第一图像。

4.根据权利要求3所述的图像推送方法，其特征在于，所述获取第一人脸轨迹，包括：

对第一视频中的视频帧进行人脸检测，获得多个第一图像；其中，每个第一图像对应从视频帧中检测到的一个人脸框；

关联所述多个第一图像以形成所述第一人脸轨迹。

5.根据权利要求1所述的图像推送方法，其特征在于，所述第一神经网络包括至少一个卷积层以及至少一个全连接层。

6.根据权利要求1所述的图像推送方法，其特征在于，所述第一神经网络的参数以及所述第一神经网络中产生的特征均进行量化处理。

7.根据权利要求1-6中任一项所述的图像推送方法，其特征在于，若所述图像处理算法的打分结果与所述待处理图像被用于执行所述图像处理任务的适合程度成正相关，则所述预设规则包括取最大值。

8.一种模型训练方法，其特征在于，用于训练权利要求1-7中任一项所述图像推送方法中使用的第一神经网络，所述方法包括：

获取多个第二图像；

将所述第二图像输入至用于部署在终端设备上的所述第一神经网络进行打分，获得所述第一神经网络输出第二分数；

获取用于部署在服务器上的图像处理算法对所述第二图像进行打分得到的第三分数；其中，所述第三分数表征所述第二图像被用于执行预设的图像处理任务的适合程度；

将所述第三分数作为所述第二分数对应的标签，根据所述第二分数和所述第三分数计算所述第一神经网络的预测损失，并基于所述预测损失更新所述第一神经网络的参数。

9.根据权利要求8所述的模型训练方法，其特征在于，所述第二图像为人脸图像，所述图像处理算法为人脸识别算法，所述图像处理任务为人脸识别任务，所述第三分数表征所述第二图像与底库人脸图像的相似程度。

10.根据权利要求9所述的模型训练方法，其特征在于，获取用于部署在服务器上的人脸识别算法对所述第二图像进行打分得到的第三分数，包括：

将所述第二图像输入至预训练的人脸识别网络，获得所述人脸识别网络提取的所述第二图像的特征；

计算所述第二图像的特征与底库人脸图像的特征之间的距离，并基于计算出的距离中的最小距离确定所述第三分数。