[发明专利]保护隐私的网络训练方法、身份识别方法及装置

权利要求书

1.一种保护隐私的生成对抗网络的训练方法，所述生成对抗网络包含生成网络和判别网络，所述方法包括：迭代训练所述生成网络至满足第一收敛条件，以及迭代训练所述判别网络至满足第二收敛条件；其中，对所述生成网络的一次迭代训练包括：

获取当前批真实人脸图像集，所述当前批真实人脸图像集中包含一个以上真实人脸图像样本；

针对所述当前批真实人脸图像集中每个真实人脸图像样本，将所述真实人脸图像样本与随机噪声输入至所述生成网络，生成与所述当前批真实人脸图像样本对应的当前批生成图像集；

将所述当前批生成图像集输入至所述判别网络，根据所述判别网络对所述当前批生成图像集中每个生成图像样本的前向预测结果计算第一目标损失，并基于所述第一目标损失对所述生成网络的网络参数进行优化；

其中，所述第一目标损失包含第一身份识别损失,所述判别网络包含身份识别子网络，通过所述身份识别子网络确定每个所述生成图像样本的身份识别结果，根据每个所述生成图像样本的身份识别结果以及每个所述生成图像样本的身份识别标签值计算得到所述第一身份识别损失,所述第一身份识别损失作为训练生成对抗网络的约束条件。

2.如权利要求1所述的方法，对所述判别网络的一次迭代训练，包括：

将所述当前批真实人脸图像集输入至所述判别网络；

根据所述判别网络对所述当前批生成图像集的前向预测结果，以及所述判别网络对所述当前批真实人脸图像的前向预测结果，进行计算第二目标损失，所述第二目标损失包含第二身份识别损失，包括：根据判别网络对当前批真实人脸图像集以及当前批生成图像集的前向预测结果计算出第二人脸判别损失、第二人脸分类损失以及第二身份识别损失，将第二人脸判别损失、第二人脸分类损失以及第二身份识别损失之和或者加权和作为第二目标损失；

根据所述第二目标损失，对所述判别网络的网络参数进行优化；

判断所述判别网络是否满足第二收敛条件，如果满足，获得已训练的判别网络，否则，返回所述将所述当前批真实人脸图像集输入至所述判别网络的步骤。

3.如权利要求1所述的方法，所述将所述真实人脸图像样本与随机噪声输入至所述生成网络，包括：

将所述随机噪声输入至所述生成网络，生成目标尺寸的第一噪声图像；

将所述目标尺寸的第一噪声图像与所述真实人脸图像进行图像合成，得到与所述真实人脸图像对应的生成图像样本。

4.如权利要求1所述的方法，所述判别网络还包含人脸分类子网络以及身份识别子网络，将所述当前批生成图像集输入至所述判别网络，所述根据所述判别网络对所述当前批生成图像集中每个生成图像样本的前向预测结果，计算第一目标损失，包括：

通过所述人脸判别子网络确定每个所述生成图像样本的人脸判别结果，根据每个所述生成图像样本的人脸判别结果以及每个所述生成图像样本的人脸判别标签值计算得到第一人脸判别损失；

通过所述人脸分类子网络确定每个所述生成图像样本的人脸分类结果，根据每个所述生成图像样本的人脸分类结果以及每个所述生成图像样本的人脸分类标签值计算得到第一人脸分类损失；

根据所述第一人脸判别损失，所述第一人脸分类损失以及所述第一身份识别损失计算得到所述第一目标损失。

5.如权利要求4所述的方法，所述判别网络还包括一个以上容貌分类子网络，所述根据所述判别网络对所述当前批生成图像集中每个生成图像样本的前向预测结果计算第一目标损失，包括：

针对所述一个以上容貌分类子网络中的每个容貌分类子网络，通过所述人脸容貌判别子网络中确定每个所述生成图像样本的容貌分类结果，根据每个所述生成图像样本的容貌分类结果以及每个所述生成图像样本的目标类容貌标签值计算得到目标类容貌损失；

根据所述第一人脸判别损失，所述第一人脸分类损失、所述第一身份识别损失以及每个所述目标类容貌损失计算得到所述第一目标损失。