[发明专利]基于人工智能的人脸识别方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的人脸识别方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入预测的人脸识别模型进行人脸识别，得到所述目标图像对应的人脸识别结果，其中，所述人脸识别模型的训练方法包括：

获取教师预训练模型、同构助教模型、异构助教模型、模型权重集和学生预训练模型，其中，所述同构助教模型包括至少两个同构助教预训练子模型，所述异构助教模型包括至少两个异构助教预训练子模型，所述同构助教预训练子模型的模型类族和所述教师预训练模型的模型类族相同，所述异构助教预训练子模型的模型类族和所述教师预训练模型的模型类族不同；

采用所述教师预训练模型、所述同构助教模型、所述异构助教模型和所述模型权重集，对所述学生预训练模型进行蒸馏，直至达到预设的蒸馏结束条件；

将达到所述蒸馏结束条件的所述学生预训练模型作为所述人脸识别模型。

2.根据权利要求1所述的基于人工智能的人脸识别方法，其特征在于，所述获取教师预训练模型、同构助教模型、异构助教模型、模型权重集和学生预训练模型的步骤，包括：

获取所述教师预训练模型、所述同构助教模型、所述异构助教模型和验证集；

将所述验证集中的每个验证样本的验证图像样本输入所述教师预训练模型进行人脸识别，得到单样本教师识别结果；

根据所述单样本教师识别结果，将每个所述验证图像样本输入所述同构助教模型进行人脸识别，得到单样本同构识别结果；

根据所述单样本教师识别结果，将每个所述验证图像样本输入所述异构助教模型进行人脸识别，得到单样本异构识别结果；

根据所述验证集、各个所述单样本教师识别结果、各个所述单样本同构识别结果和各个所述单样本异构识别结果，对所述教师预训练模型、所述同构助教模型和所述异构助教模型进行模型权重确定，得到所述模型权重集。

3.根据权利要求2所述的基于人工智能的人脸识别方法，其特征在于，所述根据所述验证集、各个所述单样本教师识别结果、各个所述单样本同构识别结果和各个所述单样本异构识别结果，对所述教师预训练模型、所述同构助教模型和所述异构助教模型进行模型权重确定，得到所述模型权重集的步骤，包括：

获取计数器，并且将所述计数器初始化为1；

随机生成第一权重、第二权重和第三权重，其中，所述第一权重是所述教师预训练模型对应的模型权重，所述第二权重是所述同构助教模型对应的模型权重，所述第三权重是所述异构助教模型对应的模型权重；

根据所述第一权重、所述第二权重和所述第三权重，对目标验证样本对应的所述单样本教师识别结果、所述单样本同构识别结果及所述单样本异构识别结果进行加权求和，得到综合识别结果，其中，所述目标验证样本是所述验证集中的任一个所述验证样本；

对所述综合识别结果和所述目标验证样本中的人脸标定结果进行比对，得到单样本比对结果；

将所述计数器的值作为i，对各个所述单样本比对结果进行准确的比例计算，得到第i轮准确率；

获取第i-1轮准确率；

若所述第i轮准确率大于或等于所述第i-1轮准确率，则将所述第一权重、所述第二权重和所述第三权重作为模型权重初始集；

将所述计数器的值加1，并重复执行所述随机生成第一权重、第二权重和第三权重的步骤，直至所述计数器的值大于预设次数；

将所述模型权重初始集作为所述模型权重集。

4.根据权利要求2所述的基于人工智能的人脸识别方法，其特征在于，所述获取所述教师预训练模型、所述同构助教模型、所述异构助教模型和验证集的步骤之前，还包括：

获取教师初始模型、至少两个同构助教初始模型、至少两个异构助教初始模型、第一训练集和测试集；

根据所述第一训练集和所述测试集，对所述教师初始模型进行训练及测试，得到所述教师预训练模型；

根据所述第一训练集和所述测试集，分别对每个所述同构助教初始模型进行训练及测试，得到所述同构助教预训练子模型，并且将各个所述同构助教预训练子模型作为所述同构助教模型；

根据所述第一训练集和所述测试集，分别对每个所述异构助教初始模型进行训练及测试，得到所述异构助教预训练子模型，并且将各个所述异构助教预训练子模型作为所述异构助教模型。