[发明专利]跨模态人脸识别模型训练方法、装置、设备以及存储介质

权利要求书

1.一种跨模态人脸识别模型训练方法，包括：

获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型；

获取人脸第一模态图像和人脸第二模态图像；

将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型，得到人脸第一模态图像的特征值和人脸第二模态图像的特征值；

基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数，以及基于损失函数调整所述第一模态人脸识别模型的参数，直至损失函数收敛，得到训练完成的跨模态人脸识别模型。

2.根据权利要求1所述的方法，所述获取人脸第一模态图像和人脸第二模态图像包括：

获取等量的人脸第一模态图像和人脸第二模态图像。

3.根据权利要求2所述的方法，所述基于损失函数调整所述第一模态人脸识别模型的参数，直至损失函数收敛包括：

调整所述第一模态人脸识别模型的参数，直至满足以下至少一项：所述人脸第一模态图像的特征值的平均值与所述人脸第二模态图像的特征值的平均值达到预定的相似度；所述人脸第一模态图像的特征值的方差与所述人脸第二模态图像的特征值的方差达到预定的相似度。

4.根据权利要求1所述的方法，还包括：

采用同一人脸的第一模态图像和第二模态图像对所述训练完成的跨模态人脸识别模型进行微调，得到优化后的跨模态人脸识别模型。

5.根据权利要求1-4任一项所述的方法，所述第一模态图像为RGB图像，所述第二模态图像为NIR图像、Depth图像中的至少一种。

6.一种跨模态人脸识别模型训练装置，其特征在于，所述装置包括：

模型获取模块，被配置为获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型；

图像获取模块，被配置为获取人脸第一模态图像和人脸第二模态图像；

特征值获取模块，被配置为将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型，得到人脸第一模态图像的特征值和人脸第二模态图像的特征值；

模型调参模块，被配置为基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数，以及基于损失函数调整所述第一模态人脸识别模型的参数，直至损失函数收敛，得到训练完成的跨模态人脸识别模型。

7.根据权利要求6所述的装置，其中，所述图像获取模块进一步被配置成：

获取等量的人脸第一模态图像和人脸第二模态图像。

8.根据权利要求6所述的装置，其中，所述模型调参模块进一步被配置成：

调整所述第一模态人脸识别模型的参数，直至满足以下至少一项：所述人脸第一模态图像的特征值的平均值与所述人脸第二模态图像的特征值的平均值达到预定的相似度；所述人脸第一模态图像的特征值的方差与所述人脸第二模态图像的特征值的方差达到预定的相似度。

9.根据权利要求6所述的装置，所述装置还包括：

微调模块，被配置为采用同一人脸的第一模态图像和第二模态图像对所述训练完成的跨模态人脸识别模型进行微调，得到优化后的跨模态人脸识别模型。

10.根据权利要求6-9任一项所述的方法，所述第一模态图像为RGB图像，所述第二模态图像为NIR图像、Depth图像中的至少一种。

11.一种电子设备，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权利要求1-5中任一项所述的方法。

12.一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权利要求1-5中任一项所述的方法。