[发明专利]模型生成方法、装置、电子设备及存储介质

说明书

本申请公开了模型生成方法、装置、电子设备及存储介质，涉及人工智能中深度学习、云计算及计算机视觉领域，具体用于戴口罩人脸检测方面。具体实现方案为：获取第一模型；执行N次迭代操作搜索得到目标模型；其中，N为大于等于2的整数；其中，在所述N次迭代操作中的第i次迭代操作中，基于第i个模型编码生成器得到第i个待训练的第二模型；其中，i为大于等于1且小于等于N的整数；其中，所述待训练的第二模型的结构复杂度低于所述第一模型的结构复杂度；基于所述第一模型对第i个待训练的第二模型进行蒸馏，得到第二模型；若所述迭代操作的累计次数达到预设的次数阈值N，则将所述第二模型作为搜索得到的所述目标模型。

技术领域

本申请涉及计算机技术领域。本申请尤其涉及人工智能中深度学习、云计算及计算机视觉领域，具体用于戴口罩人脸检测方面。

背景技术

在相关技术中，人脸识别模型的用处十分广泛，然而，传统的人脸识别模型无法解决戴口罩场景的人脸识别，即使使用带口罩的数据训练模型，由于模型对于口罩场景缺乏针对性，模型对于戴口罩场景的人脸识别能力受限。而为了提升模型对于带口罩场景的人脸识别能力，又需特别大的模型结构，但是超大的模型又很难满足实时带口罩人脸识别的需求。因此，如何使得模型的处理既满足实时性需求又满足一定的精度需求，就成为需要解决的问题。

发明内容

本公开提供了一种模型生成方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种模型生成方法，包括：

获取第一模型；

执行N次迭代操作搜索得到目标模型；其中，N为大于等于2的整数；

其中，所述N次迭代操作中的第i次迭代操作包括：

基于第i个模型编码生成器得到第i个待训练的第二模型；其中，i为大于等于1且小于等于N的整数；其中，所述待训练的第二模型的结构复杂度低于所述第一模型的结构复杂度；

基于所述第一模型对第i个待训练的第二模型进行蒸馏，得到第二模型；

若所述迭代操作的累计次数达到预设的次数阈值N，则将所述第二模型作为搜索得到的所述目标模型。

根据本公开的另一方面，提供了一种模型生成装置，包括：

获取模块，用于获取第一模型；

模型生成模块，用于执行N次迭代操作搜索得到目标模型；其中，N为大于等于2的整数；

其中，所述模型生成模块，具体用于在所述N次迭代操作中的第i次迭代操作中，基于第i个模型编码生成器得到第i个待训练的第二模型；其中，i为大于等于1且小于等于N的整数；其中，所述待训练的第二模型的结构复杂度低于所述第一模型的结构复杂度；基于所述第一模型对第i个待训练的第二模型进行蒸馏，得到第二模型；若所述迭代操作的累计次数达到预设的次数阈值N，则将所述第二模型作为搜索得到的所述目标模型。

根据本公开的一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述方法。

根据本公开的一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行前述方法。

根据本申请的技术，可以基于多次迭代操作从模型搜索空间中搜索得到更优的待训练的第二模型，并根据第一模型对待训练的第二模型进行蒸馏，从而可以得到精度足够高并且足够小的量化后的目标模型，由于该目标模型的能够满足精度以及足够小的要求，因此更加适用于需要实时处理的场景。