[发明专利]一种大规模点云数据的处理方法、装置、设备及介质

权利要求书

1.一种年龄识别模型的生成方法，其中，所述方法包括：

使用训练图像集对教师模型进行训练，训练图像中标注有分布式年龄标签；

将多个无标签图像输入至训练完成的教师模型，并根据教师模型提供的分布式年龄预测结果，在各无标签图像中标注匹配的分布式年龄标签，形成新的训练图像；

使用新的训练图像对训练图像集进行扩充，并使用扩充后的训练图像集对学生模型进行训练，得到年龄识别模型。

2.根据权利要求1所述的方法，其中，使用训练图像集对教师模型或者学生模型进行训练，包括：

获取训练图像集中的目标训练图像，输入至预先搭建的待训练模型中，所述待训练模型包括：教师模型或者学生模型；

通过待训练模型确定出目标训练图像的分布式预测年龄标签；

通过待训练模型根据目标训练图像的分布式年龄标签和分布式预测年龄标签，计算得到预测差异度，并根据预测差异度计算得到模型损失函数；

通过待训练模型按照模型损失函数，对各项模型参数进行调整。

3.根据权利要求1所述的方法，其中，将多个无标签图像输入至训练完成的教师模型，并根据教师模型提供的分布式年龄预测结果，在各无标签图像中标注匹配的分布式年龄标签，形成新的训练图像，包括：

获取目标无标签图像，对所述目标无标签图像进行弱增广处理，形成与目标无标签图像对应的至少一个弱增广图像；

通过教师模型分别确定目标无标签图像和各弱增广图像的分布式预测年龄标签；

对各分布式预测年龄标签进行加权平均处理，形成目标分布式年龄标签，并在目标无标签图像中标注目标分布式年龄标签，形成训练图像。

4.根据权利要求1所述的方法，其中，使用扩充后的训练图像集对学生模型进行训练，得到年龄识别模型，包括：

将扩充后的训练图像集中的各训练图像分别进行强增广处理后，使用处理后的训练图像集对学生模型进行训练，得到所述年龄识别模型。

5.根据权利要求1所述的方法，所述方法还包括：

获取多个标准人脸图像，并分别获取与每个标准人脸图像对应的强增广图像和弱增广图像；

将每个标准人脸图像的强增广图像和弱增广图像分别输入至所述教师模型中，获取强增广分布式预测年龄标签和弱增广分布式预测年龄标签；

计算每个标准人脸图像的强增广分布式预测年龄标签和弱增广分布式预测年龄标签之间的增广差异度；

按照增广差异度从高到底的顺序，从各标准人脸图像中筛选出各所述无标签图像。

6.根据权利要求2所述的方法，其中，在各所述训练图像中，还标注有身份标签；所述方法还包括：

将训练图像集中各训练图像按照身份标签划分为多个身份图像簇，每个身份图像簇对应一种身份标签；

根据各身份图像簇中每个训练图像的增广差异度，获取与每个身份图像簇分别对应的示例样本图像，并获取与示例样本图像对应的分布式年龄标签；

计算每个示例样本图像的分布式年龄标签对应的年龄分布，与均匀分布之间的标准Wasserstein距离，并将与每个身份标签分别对应的标准Wasserstein距离作为一项约束参数预先输入至所述待训练模型中；

所述通过待训练模型根据目标训练图像的分布式年龄标签和分布式预测年龄标签，计算得到预测差异度，并根据预测差异度计算得到模型损失函数，包括：

通过待训练模型根据目标训练图像的分布式年龄标签和分布式预测年龄标签，计算得到预测差异度；

通过待训练模型根据由分布式预测年龄标签计算得到的预测年龄分布，计算预测年龄分布与均匀分布之间的预测Wasserstein距离；

通过待训练模型获取与所述目标训练图像的身份标签对应的标准Wasserstein距离，并计算预测Wasserstein距离与标准Wasserstein距离之间的分布差异度；

通过待训练模型根据预测差异度以及分布差异度，计算得到模型损失函数。