[发明专利]人脸识别模型的训练方法、人脸识别方法及电子设备

权利要求书

1.一种人脸识别模型的训练方法，其特征在于，包括：

获取人脸样本图像以及各个所述人脸样本图像的目标标签；

将所述人脸样本图像输入人脸识别模型中的特征提取模块进行特征提取，得到多个特征图；

将所述多个特征图输入所述人脸识别模型中的权重确定模块中进行特征处理，分别确定各个所述特征图对应的权重；

基于所述多个特征图与所述对应的权重的融合结果，确定所述人脸识别模型的预测标签；

根据所述目标标签以及所述预测标签的差异，对所述人脸识别模型的参数进行更新，确定目标人脸识别模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述多个特征图输入所述人脸识别模型中的权重确定模块中进行特征处理，分别确定各个所述特征图对应的权重，包括：

利用所述权重确定模块中的分组卷积层分别对各个所述特征图进行分组卷积，得到与所述特征图一一对应的第一特征向量；

对各个所述第一特征向量进行归一化处理，确定各个所述特征图对应的权重。

3.根据权利要求2所述的方法，其特征在于，所述对各个所述第一特征向量进行归一化处理，确定各个所述特征图对应的权重，包括：

利用所述权重确定模块中的批归一化层对所述第一特征向量进行批归一化处理，得到与所述特征图一一对应的第二特征向量；

利用所述权重确定模块中的非线性层对所述第二特征向量进行非线性处理，得到对应的第三特征向量；

利用所述权重确定模块中的维度变换层将所述第三特征向量变换为一维，确定各个所述特征图对应的权重。

4.根据权利要求1所述的方法，其特征在于，所述基于所述多个特征图与所述对应的权重的融合结果，确定所述人脸识别模型的预测标签，包括：

计算各个所述特征图与对应的权重的乘积，确定权重处理后的多个目标特征图；

基于所述多个目标特征图确定所述人脸识别模型的预测标签。

5.根据权利要求1所述的方法，其特征在于，所述人脸样本图像包括简单人脸样本图像以及困难人脸样本图像，所述根据所述目标标签以及所述预测标签的差异，对所述人脸识别模型的参数进行更新，确定目标人脸识别模型，包括：

获取所述简单人脸样本图像输入初始人脸识别模型得到的第一预测标签；

基于所述第一预测标签以及所述简单人脸样本图像的目标标签的差异，对所述初始人脸识别模型的参数进行更新，确定初始目标人脸识别模型；

基于所述人脸样本图像对所述初始目标人脸识别模型中的全连接分类层参数进行调整，确定中间目标人脸识别模型；

获取所述人脸样本图像输入所述中间目标人脸识别模型后得到的第二预测标签；

基于所述第二预测标签以及所述人脸样本图像的目标标签的差异，对所述中间目标人脸识别模型的参数进行更新，确定所述目标人脸识别模型。

6.一种人脸识别方法，其特征在于，包括：

获取待识别人脸图像；

将所述待识别人脸图像输入目标人脸识别模型中，确定所述待识别人脸图像对应的标签，所述目标人脸识别模型是根据权利要求1-6中任一项所述的人脸识别模型的训练方法训练得到的。

7.一种人脸识别模型的训练装置，其特征在于，包括：

第一获取模块，用于获取人脸样本图像以及各个所述人脸样本图像的目标标签；

特征提取模块，用于将所述人脸样本图像输入人脸识别模型中的特征提取模块进行特征提取，得到多个特征图；

特征处理模块，用于将所述多个特征图输入所述人脸识别模型中的权重确定模块中进行特征处理，分别确定各个所述特征图对应的权重；

融合模块，用于基于所述多个特征图与所述对应的权重的融合结果，确定所述人脸识别模型的预测标签；

更新模块，用于根据所述目标标签以及所述预测标签的差异，对所述人脸识别模型的参数进行更新，确定目标人脸识别模型。