[发明专利]模型训练、图像处理方法、电子设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取新场景下的三元组图像样本；

将所述三元组图像样本输入至跨场景下的图像处理模型中，获得第一损失值；

将所述三元组图像样本输入至旧场景下的图像处理模型中，获得第二损失值；其中，用于获得所述第二损失值的部分三元组特征被替换为用于获得所述第一损失值的三元组特征中对应元的特征；所述跨场景下的图像处理模型与所述旧场景下的图像处理模型的结构相同；

基于所述第一损失值和所述第二损失值对所述跨场景下的图像处理模型中的参数进行调整，直至所述图像处理模型满足收敛条件，获得训练完成的所述跨场景下的图像处理模型；

所述将所述三元组图像样本输入至跨场景下的图像处理模型中，获得第一损失值包括：

将所述三元组图像样本输入至跨场景下的图像处理模型中，输出第一三元组特征；

对所述第一三元组特征采用预设损失函数进行计算，获得所述第一损失值；

所述将所述三元组图像样本输入至旧场景下的图像处理模型中，获得第二损失值，包括：

将所述三元组图像样本输入至旧场景下的图像处理模型中，输出第二三元组特征；

分别提取所述第一三元组特征和所述第二三元组特征中的部分元的特征进行组合，形成混合三元组特征；

对所述混合三元组特征采用预设损失函数进行计算，获得所述第二损失值。

2.根据权利要求1所述的方法，其特征在于，所述三元组图像样本包括锚点图像样本、正图像样本和负图像样本；所述三元组特征包括锚点特征、正特征和负特征。

3.根据权利要求2所述的方法，其特征在于，所述分别提取所述第一三元组特征和所述第二三元组特征中的部分元的特征进行组合，形成混合三元组特征包括：

提取所述第一三元组特征中的锚点特征，以及所述第二三元组特征中的正特征和负特征进行组合，形成所述混合三元组特征。

4.根据权利要求2所述的方法，其特征在于，所述分别提取所述第一三元组特征和所述第二三元组特征中的部分元的特征进行组合，形成混合三元组特征包括：

提取所述第一三元组特征中的正特征和负特征，以及所述第二三元组特征中的锚点特征进行组合，形成所述混合三元组特征。

5.根据权利要求1-4中任一项所述的方法，其特征在于，训练时每一次迭代至少包含一种所述混合三元组特征。

6.根据权利要求1所述的方法，其特征在于，所述三元组图像样本为三元组人脸图像样本，所述获取新场景下的三元组图像样本，包括：

对所述新场景下采集的人脸图像进行检测，获取人脸区域内的关键点；

将检测的人脸区域内的关键点与人脸模板中的关键点进行对齐，得到人脸大头照，并将所述人脸大头照作为所述三元组人脸图像样本中的人脸图像。

7.一种图像处理方法，其特征在于，包括：

采用权利要求1-6中任一项所述的模型训练方法训练形成的跨场景下的图像处理模型对输入的跨场景图像进行识别处理，得到图像特征数据；

将所述图像特征数据与预设的图像特征库中的图像特征数据进行比对，获得处理结果。

8.一种电子设备，其特征在于，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如权利要求1至6中任一项所述的模型训练方法，或者如权利要求7中所述的图像处理方法。

9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的模型训练方法，或者如权利要求7中所述的图像处理方法。