[发明专利]人脸鉴伪模型的训练方法、相关装置及计算机程序产品

说明书

本公开提供了人脸鉴伪模型的训练方法、装置、电子设备、存储介质及计算机程序产品，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可应用于人脸识别等场景。方法的一具体实施方式包括：执行如下训练操作，直至达到预设结束条件：获取相对应的真实人脸图像和合成人脸图像；通过噪声添加网络在合成人脸图像中添加噪声，得到人脸噪声图像，并通过判别网络识别真实人脸图像和人脸噪声图像中的人脸对象的真实性，以采用对抗方式训练噪声添加网络和判别网络；将训练后的判别网络确定为人脸鉴伪模型。本公开提高了人脸鉴伪模型的泛化能力和鲁棒性。

技术领域

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，尤其涉及人脸鉴伪模型的训练方法、装置、电子设备、存储介质以及计算机程序产品，可应用于人脸识别等场景。

背景技术

人脸鉴伪，即检测一张人脸图像是否为合成或AI(Artificial Intelligence，人工智能)编辑的人脸图像，是人脸识别系统的基础功能，可以保证人脸识别系统的安全性。使用深度学习技术的人脸鉴伪方法是本领域的主流方法，称为深度鉴伪技术。AI合成人脸图像具有多样化的特点，现有基于深度学习的深度鉴伪算法通过有限的合成人脸图像数据进行训练。

发明内容

本公开提供了一种人脸鉴伪模型的训练方法、装置、电子设备、存储介质以及计算机程序产品。

根据第一方面，提供了一种人脸鉴伪模型的训练方法，包括：执行如下训练操作，直至达到预设结束条件：获取相对应的真实人脸图像和合成人脸图像；通过噪声添加网络在合成人脸图像中添加噪声，得到人脸噪声图像，并通过判别网络识别真实人脸图像和人脸噪声图像中的人脸对象的真实性，以采用对抗方式训练噪声添加网络和判别网络，其中，噪声添加网络以生成判别网络无法分辨人脸对象的真实性的人脸噪声图像为目标，判别网络以能够识别真实人脸图像和人脸噪声图像中的人脸对象的真实性为目标；将训练后的判别网络确定为人脸鉴伪模型。

根据第二方面，提供了用于识别人脸对象真实性的方法，包括：获取待识别图像；通过人脸鉴伪模型识别待识别图像中的人脸对象的真实性，得到识别结果，其中，人脸鉴伪模型通过如第一方面任一实现方式描述的方法训练得到。

根据第三方面，提供了一种人脸鉴伪模型的训练装置，包括：训练单元，被配置成执行如下训练操作，直至达到预设结束条件：获取相对应的真实人脸图像和合成人脸图像；通过噪声添加网络在合成人脸图像中添加噪声，得到人脸噪声图像，并通过判别网络识别真实人脸图像和人脸噪声图像中的人脸对象的真实性，以采用对抗方式训练噪声添加网络和判别网络，其中，噪声添加网络以生成判别网络无法分辨人脸对象的真实性的人脸噪声图像为目标，判别网络以能够识别真实人脸图像和人脸噪声图像中的人脸对象的真实性为目标；确定单元，被配置成将训练后的判别网络确定为人脸鉴伪模型。

根据第四方面，提供了用于识别人脸对象真实性的装置，包括：获取单元，被配置成获取待识别图像；识别单元，被配置成通过人脸鉴伪模型识别待识别图像中的人脸对象的真实性，得到识别结果，其中，人脸鉴伪模型通过如第一方面任一实现方式描述的方法训练得到。

根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面、第二方面任一实现方式描述的方法。

根据第六方面，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，计算机指令用于使计算机执行如第一方面、第二方面任一实现方式描述的方法。

根据第七方面，提供了一种计算机程序产品，包括：计算机程序，计算机程序在被处理器执行时实现如第一方面、第二方面任一实现方式描述的方法。

根据本公开的技术，在合成人脸图像上添加噪声得到人脸噪声图像，并基于对抗方式训练噪声添加网络和判别网络，以将训练后的判别网络确定为人脸鉴伪模型，提高了人脸鉴伪模型的泛化能力和鲁棒性。