[发明专利]人脸识别模型处理方法、装置、设备和存储介质

权利要求书

1.一种人脸识别模型处理方法，包括：

采用第一遮挡样本数据，对非遮挡人脸识别模型进行训练，得到遮挡人脸识别模型；

根据遮挡场景下人脸识别模型的搜索空间，构建遮挡人脸识别超网络；

采用知识蒸馏算法，在所述遮挡人脸识别模型的监督下对所述遮挡人脸识别超网络进行训练，以更新所述遮挡人脸识别超网络。

2.根据权利要求1所述的方法，其中，所述采用知识蒸馏算法，在所述遮挡人脸识别模型的监督下对所述遮挡人脸识别超网络进行训练，以更新所述遮挡人脸识别超网络，包括：

对所述遮挡人脸识别超网络进行采样，得到遮挡人脸识别子网络；

将第二遮挡样本数据分别输入所述遮挡人脸识别子网络和所述遮挡人脸识别模型，并根据所述遮挡人脸识别子网络和所述遮挡人脸识别模型的输出结果构建所述遮挡人脸识别超网络的损失函数；

根据所述遮挡人脸识别超网络的损失函数更新所述遮挡人脸识别超网络中的参数。

3.根据权利要求2所述的方法，其中，所述将所述第二遮挡样本数据分别输入所述遮挡人脸识别子网络和所述遮挡人脸识别模型，并根据所述遮挡人脸识别子网络和所述遮挡人脸识别模型的输出结果构建所述遮挡人脸识别超网络的损失函数，包括：

将所述第二遮挡样本数据输入所述遮挡人脸识别子网络，得到所述遮挡人脸识别子网络的第一损失函数和第一输出特征；

将所述第二遮挡样本数据输入所述遮挡人脸识别模型，得到第二输出特征；

根据所述遮挡人脸识别子网络的第一损失函数、所述第一输出特征和所述第二输出特征，确定所述遮挡人脸识别超网络的损失函数。

4.根据权利要求3所述的方法，其中，所述根据所述遮挡人脸识别子网络的第一损失函数、所述第一输出特征和所述第二输出特征，确定所述遮挡人脸识别超网络的损失函数，包括：

将所述第二输出特征与所述第一输出特征之间的距离，作为第二损失函数；

叠加所述第一损失函数和所述第二损失函数，得到所述遮挡人脸识别超网络的损失函数。

5.根据权利要求1-4任一项所述的方法，所述方法还包括：

通过模型搜索，根据更新后的遮挡人脸识别超网络，确定遮挡人脸识别模型。

6.根据权利要求1-4任一项所述的方法，其中，所述搜索空间包括如下至少一项：至少两个候选卷积核尺寸、候选组卷积、至少两个候选膨胀系数、候选挤压激励操作。

7.一种人脸识别模型处理装置，包括：

遮挡模型构建模块，用于采用第一遮挡样本数据，对非遮挡人脸识别模型进行训练，得到遮挡人脸识别模型；

超网络构建模块，用于根据遮挡场景下人脸识别模型的搜索空间，构建遮挡人脸识别超网络；

超网络蒸馏模块，用于采用知识蒸馏算法，在所述遮挡人脸识别模型的监督下对所述遮挡人脸识别超网络进行训练，以更新所述遮挡人脸识别超网络。

8.根据权利要求7所述的装置，其中，所述超网络蒸馏模块包括：

子网络采样单元，用于对所述遮挡人脸识别超网络进行采样，得到遮挡人脸识别子网络；

损失构建单元，用于将第二遮挡样本数据分别输入所述遮挡人脸识别子网络和所述遮挡人脸识别模型，并根据所述遮挡人脸识别子网络和所述遮挡人脸识别模型的输出结果构建所述遮挡人脸识别超网络的损失函数；

超网络更新单元，用于根据所述遮挡人脸识别超网络的损失函数更新所述遮挡人脸识别超网络中的参数。

9.根据权利要求8所述的装置，其中，所述损失构建单元包括：

第一输入子单元，用于将所述第二遮挡样本数据输入所述遮挡人脸识别子网络，得到所述遮挡人脸识别子网络的第一损失函数和第一输出特征；

第二输入子单元，用于将所述第二遮挡样本数据输入所述遮挡人脸识别模型，得到第二输出特征；

损失构建子单元，用于根据所述遮挡人脸识别子网络的第一损失函数、所述第一输出特征和所述第二输出特征，确定所述遮挡人脸识别超网络的损失函数。