[发明专利]目标识别模型的训练方法、目标识别方法及电子设备

说明书

本发明涉及目标识别技术领域，具体涉及目标识别模型的训练方法、目标识别方法及电子设备，训练方法包括获取预设识别模型以及获取样本数据集，预设识别模型是基于第一质量图像训练得到的，第一质量图像的质量高于第二质量图像的质量；对样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，并基于第一采样数据集训练预设识别模型，确定第一识别模型；对样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，并基于第二采样数据集训练预设识别模型，确定第二识别模型；对第一识别模型与第二识别模型进行特征层融合，确定目标识别模型。对具有互补性的两个模型进行结合，提高识别效果。

技术领域

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

背景技术

目标识别技术已经被广泛应用，例如，人脸识别技术已被广泛地用于安防、金融等多个领域，它是利用计算机分析人脸图像从中获取有效的识别信息用于辨认身份的一门技术。目前使用的目标识别模型为了保证其识别效果，一般是使用高质量与低质量的图像进行训练，而在实际应用场合中，环境会更加复杂，会给目标识别带来很多干扰因素，进而影响其识别性能，导致识别效果不佳。

发明内容

有鉴于此，本发明实施例提供了一种目标识别模型的训练方法、目标识别方法及电子设备，以解决现有的在复杂环境下目标识别模型的识别效果不佳的问题。

根据第一方面，本发明实施例提供了一种目标识别模型的训练方法，包括：

获取预设识别模型以及获取样本数据集，所述预设识别模型是基于第一质量图像训练得到的，所述样本数据集包括第一质量图像以及第二质量图像，所述第一质量图像的质量高于所述第二质量图像的质量；

对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，并基于所述第一采样数据集训练所述预设识别模型，确定第一识别模型；

对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，并基于所述第二采样数据集训练所述预设识别模型，确定第二识别模型；

对所述第一识别模型与所述第二识别模型进行特征层融合，确定目标识别模型。

本发明实施例提供的目标识别模型的训练方法，由于复杂环境下的样本一般都是第二质量图像，在训练中加入了低质域的训练样本，并结合训练方式和域损失，使第二质量图像的特征和第一质量图像的特征接近，使其识别效果靠近第一质量图像的识别效果，同时对具有互补性的两个模型进行结合，保证所得到的目标识别模型对于第一质量图像和第二质量图像的识别效果都会提高；且在训练过程中基于预设识别模型进行，在此基础上进行两个识别模型的训练，可以在提高识别效果的基础上不影响训练效率。

结合第一方面，在第一方面第一实施方式中，所述对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，包括：

获取所述预设识别模型的输入样本数量；

基于所述输入样本数量按照1:1的比例，确定每次训练时所述第一质量图像以及所述第二质量图像的数量；

基于确定出的所述第一质量图像以及所述第二质量图像的数量，在所述样本数据集中进行采样，得到每次训练时的所述第一采样数据集。

本发明实施例提供的目标识别模型的训练方法，通过按照1:1的比例进行第一质量图像以及第二质量图像的提取，用于形成每次训练所采用的第一采样数据集，将第一质量图像作为原始域且第二质量图像作为目标域，使得第二质量图像的识别效果向第一质量图像靠近。

结合第一方面或第一方面第一实施方式，在第一方面第二实施方式中，所述对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，包括：