[发明专利]人脸识别方法、装置及电子设备

说明书

本申请公开了一种人脸识别方法、装置及电子设备，涉及人工智能技术领域。其中，该方法包括：获取人脸图像数据集；针对人脸图像数据集中每两个人脸图像组成的样本对，获取第一网络从样本对的两个人脸图像中提取的第一特征向量，基于获取的第一特征向量得到样本对的第一相似度；获取第二网络从样本对的两个人脸图像中分别提取的第二特征向量，并基于获取的第二特征向量得到样本对的第二相似度；若第二相似度和第一相似度符合误识别条件，将样本对确定为边界样本对；根据边界样本对的第二相似度与第一相似度的损失值，调整第二网络的网络参数，并通过调整后的第二网络进行人脸识别。如此，可以使调整后的第二网络的识别准确度得到有效提高。

技术领域

本申请涉及人工智能技术领域，更具体地，涉及一种人脸识别方法、装置及电子设备。

背景技术

随着人工智能(Artificial Intelligence，AI)技术的飞速发展，机器学习模型在人脸识别领域的应用越来越广泛。为了使得人脸识别的结果具有较高的精度，用于人脸识别的机器学习模型的结构通常比较复杂。而结构复杂的机器学习模型通常具有大量的模型参数，对硬件设备的存储空间、计算性能等提出了挑战。基于此，用于对原始模型进行压缩的算法研究越来越得到业界的重视。

一些场景中，机器学习模型的压缩算法主要通过知识蒸馏(knowledgeDistillation，KD)的框架来实现。比如，采用训练完成的复杂网络来指导待训练的轻量网络的训练，从而可以将复杂网络中的知识引入该轻量网络，从而使得训练后的轻量网络的工作性能逼近复杂网络。然而，通过上述方式训练得到的轻量网络对一些人脸图像的特征表达能力较差，导致对这些人脸图像的识别结果不够准确。

发明内容

本申请提出了一种人脸识别方法、装置及电子设备，可以提升模型对人脸图像的特征表达能力，从而提升模型对于人脸图像的识别结果的准确度。

一方面，本申请实施例提供了一种人脸识别方法，包括：获取人脸图像数据集；针对人脸图像数据集中每两个人脸图像组成的样本对，获取第一网络从所述样本对的两个人脸图像中分别提取的第一特征向量，基于获取的第一特征向量得到所述样本对的第一相似度；获取第二网络从所述样本对的两个人脸图像中分别提取的第二特征向量，并基于获取的第二特征向量得到所述样本对的第二相似度，第二网络的网络规模小于第一网络；若第二相似度和第一相似度符合误识别条件，则将所述样本对确定为边界样本对；根据边界样本对的第二相似度与第一相似度之间的损失值，调整第二网络的网络参数，并通过调整后的第二网络进行人脸识别。

另一方面，本申请实施例提供了一种人脸识别装置，包括：图像获取模块、第一相似度获取模块、第二相似度获取模块、确定模块、训练模块以及识别模块。其中，图像获取模块用于获取人脸图像数据集。第一相似度获取模块用于针对人脸图像数据集中每两个人脸图像组成的样本对，获取第一网络从所述样本对的两个人脸图像中分别提取的第一特征向量，基于获取的第一特征向量得到所述样本对的第一相似度。第二相似度获取模块用于获取第二网络从所述样本对的两个人脸图像中分别提取的第二特征向量，并基于获取的第二特征向量得到所述样本对的第二相似度，所述第二网络的网络规模小于所述第一网络。确定模块用于在所述第二相似度和所述第一相似度符合误识别条件的条件下，将所述样本对确定为边界样本对。训练模块用于根据所述边界样本对的第二相似度与第一相似度之间的损失值，调整所述第二网络的网络参数。识别模块用于通过调整后的第二网络进行人脸识别。

另一方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储器；一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述的方法。

另一方面，本申请实施例提供了一种计算机可读存储介质，其上存储有程序代码，所述程序代码可被处理器调用执行上述的方法。