[发明专利]一种人脸识别方法、装置及电子设备

权利要求书

1.一种人脸识别方法，应用于电子设备，其特征在于，所述方法包括：

获取包含至少两个人种的图像的训练集，根据人种将所述训练集划分为至少两个数据集；

确定每一数据集的损失函数及其对应的损失权重；

根据每一数据集的损失函数及其对应的损失权重，确定最终的损失函数；

根据所述最终的损失函数对初始模型进行训练，得到人脸识别模型，并基于所述人脸识别模型，进行人脸识别。

2.根据权利要求1所述的方法，其特征在于，所述确定每一数据集的损失函数及其对应的损失权重，包括：

根据所述训练集中的每一数据集的比例，确定每一数据集的损失函数对应的损失权重，其中，每一所述数据集的损失函数对应的损失权重与该数据集的比例成正相关。

3.根据权利要求1所述的方法，其特征在于，所述根据每一数据集的损失函数及其对应的损失权重，确定最终的损失函数，包括：

若初始模型为预训练模型，则所述最终的损失函数为每一数据集的损失函数及其对应的损失权重的加权和。

4.根据权利要求1所述的方法，其特征在于，所述根据每一数据集的损失函数及其对应的损失权重，确定最终的损失函数，包括：

若所述初始模型为未经训练的模型，则确定间隔损失函数及其对应的损失权重，所述最终的损失函数为每一数据集的损失函数及其对应的损失权重以及间隔损失函数及其对应的损失权重的加权和。

5.根据权利要求4所述的方法，其特征在于，所述确定间隔损失函数及其对应的损失权重，包括：

根据所述每一数据集的损失函数及其对应的损失权重，确定间隔损失函数及其对应的损失权重。

6.根据权利要求4所述的方法，其特征在于，所述训练集被划分为第一数据集和第二数据集，所述间隔损失函数为：

where(norm_feature1_i*norm_feature2_j≥α)

其中，norm_feature1_i为对第一数据集中的batch的第i个特征进行归一化后的值，norm_feature2_j为对第二数据集中的batch的第j个特征进行归一化后的值，n_i为batch的样本数量，n_j为batch的样本数量，α为预设阈值，β为满足norm_feature1_i*norm_feature2_j≥α的特征对的数量，batch为一次训练所需的样本。

7.一种人脸识别装置，应用于电子设备，其特征在于，所述装置包括：

训练集单元，获取包含至少两个人种的图像的训练集，根据人种将所述训练集划分为至少两个数据集；

损失权重单元，用于确定每一数据集的损失函数及其对应的损失权重；

损失函数单元，用于根据每一数据集的损失函数及其对应的损失权重，确定最终的损失函数；

人脸识别单元，用于根据所述最终的损失函数对初始模型进行训练，得到人脸识别模型，并基于所述人脸识别模型，进行人脸识别。

8.根据权利要求7所述的装置，其特征在于，所述损失权重单元，具体用于：

根据所述训练集中的每一数据集的比例，确定每一数据集的损失函数对应的损失权重，其中，每一所述数据集的损失函数对应的损失权重与该数据集的比例成正相关。

9.一种电子设备，其特征在于，包括：

至少一个处理器；和

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如权利要求1至6任一项所述的人脸识别方法。

10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的人脸识别方法。