[发明专利]模型训练方法、人脸识别方法、装置、设备和介质

说明书

本申请公开了一种模型训练方法、人脸识别方法、装置、设备和介质，涉及计算机视觉和深度学习等人工智能技术领域。具体实现方案为：获取至少两个训练数据集合，其中，每个训练数据集合中包括数量相同的人脸样本数据，且不同的训练数据集合中人脸样本数据的类型不同；利用预先建立的人脸识别模型，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果；利用预先标注的所述每个训练数据集合的人脸标注数据，针对所述每个训练数据集合的人脸预测结果，并行对所述人脸识别模型进行监督训练。本申请训练得到的人脸识别模型能提高数据分布较少的样本数据的人脸识别准确率。

技术领域

本申请涉及人工智能领域，尤其涉及计算机视觉和深度学习技术，具体涉及一种模型训练方法、人脸识别方法、装置、设备和介质。

背景技术

目前的人脸识别模型需要采用大量的人脸数据训练得到，但训练数据中存在分布不均匀的情况，例如，成年人数据占绝大部分，老人数据、小孩数据和外国人数据较少等。

然而，由于训练数据分布不均匀，容易导致训练出的模型的人脸识别效果失衡，对训练数据较少的人脸的识别效果较差，例如，当训练数据中外国人数据较少时，容易导致训练出来的模型对外国人的识别效果较差，影响人脸识别的准确率。

发明内容

本申请提供一种模型训练方法、人脸识别方法、装置、设备和介质，以提高不同类型的人脸识别准确率。

第一方面，本申请提供了一种模型训练方法，包括：

获取至少两个训练数据集合，其中，每个训练数据集合中包括数量相同的人脸样本数据，且不同的训练数据集合中人脸样本数据的类型不同；

利用预先建立的人脸识别模型，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果；

利用预先标注的所述每个训练数据集合的人脸标注数据，针对所述每个训练数据集合的人脸预测结果，并行对所述人脸识别模型进行监督训练。

第二方面，本申请还提供了一种人脸识别方法，包括：

利用按照上述第一方面提供的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的共享特征，其中，所述人脸识别模型至少包括共享全连接层，所述共享全连接层用于提取任意类型的待识别人脸图像的共享特征；

利用所述人脸识别模型，根据所述待识别人脸图像的共享特征对所述待识别人脸图像进行人脸识别。

第三方面，本申请还提供了一种模型训练装置，用于人脸识别，所述装置包括：

训练数据获取模块，用于获取至少两个训练数据集合，其中，每个训练数据集合中包括数量相同的人脸样本数据，且不同的训练数据集合中人脸样本数据的类型不同；

人脸预测模块，用于利用预先建立的人脸识别模型，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果；

监督训练模块，用于利用预先标注的所述每个训练数据集合的人脸标注数据，针对所述每个训练数据集合的人脸预测结果，并行对所述人脸识别模型进行监督训练。

第四方面，本申请还提供了一种人脸识别装置，包括：

特征提取模块，用于利用按照上述第一方面提供的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的共享特征，其中，所述人脸识别模型至少包括共享全连接层，所述共享全连接层用于提取任意类型的待识别人脸图像的共享特征；

人脸识别模块，用于利用所述人脸识别模型，根据所述待识别人脸图像的共享特征对所述待识别人脸图像进行人脸识别。

第五方面，本申请还提供了一种电子设备，包括：

至少一个处理器；以及