[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

说明书

本发明涉及人脸识别技术领域，具体涉及人脸识别模型的训练方法、人脸识别方法及电子设备，所述训练方法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。通过赋予不同特征图不同的权重可以提高人脸识别模型的准确性。

技术领域

本发明涉及人脸识别技术领域，具体涉及人脸识别模型的训练方法、人脸识别方法及电子设备。

背景技术

当前，人脸识别技术已经得到了广泛的应用。人脸识别模型的训练，作为人脸识别技术的核心，直接决定着人脸识别技术的准确性。现有的人脸识别模型一般是通过对输入的人脸图像进行特征提取，得到各个部位的特征，再基于提取出的特征进行人脸识别。然而，由于人脸各个部位在人脸识别中的重要程度不同，若对于各个部位均采用相同的特征处理方式进行人脸识别，势必会导致识别的准确性偏低。

发明内容

有鉴于此，本发明实施例提供了一种人脸识别模型的训练方法、人脸识别方法及电子设备，以解决人脸识别模型的识别准确性低的问题。

根据第一方面，本发明实施例提供了一种人脸识别模型的训练方法，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。

本发明实施例提供的人脸识别模型的训练方法，不同的特征图代表人脸的一个特征表示，而每一个特征表示应该有不同的重要程度，针对各个特征图赋予对应的权重，这个权重也就代表这个重要程度，通过赋予不同特征图不同的权重可以提高人脸识别模型的准确性。

结合第一方面，在第一方面第一实施方式中，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。

本发明实施例提供的人脸识别模型的训练方法，通过对各个特征图进行分组卷积，即分别对各个特征图进行针对性处理，不仅可以保证所得到的第一特征向量与特征图的对应性，还可以提高训练效率。

结合第一方面第一实施方式，在第一方面第二实施方式中，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。