[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

说明书

本申请涉及人工智能技术领域，揭示了一种基于人工智能的人脸识别方法、装置、设备及存储介质，其中方法包括：将目标图像输入预测的人脸识别模型进行人脸识别，得到目标图像对应的人脸识别结果；采用教师预训练模型、同构助教模型、异构助教模型和模型权重集，对学生预训练模型进行蒸馏，直至达到预设的蒸馏结束条件；将达到蒸馏结束条件的学生预训练模型作为人脸识别模型；同构助教模型包括至少两个与和教师预训练模型的模型类族相同的同构助教预训练子模型，异构助教模型包括至少两个与教师预训练模型的模型类族不同的异构助教预训练子模型。从而实现采用助教知识蒸馏的方式进行模型蒸馏，提高了极端压缩情况下学生预训练模型的准确性。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种基于人工智能的人脸识别方法、装置、设备及存储介质。

背景技术

近年来，基于卷积神经网络(CNN)训练得到的人脸识别模型，随着计算资源的迅速增加，取得了很大成功。现有的人脸识别模型需要训练和部署具有数百万参数资源的复杂网络，随着人脸识别转向移动设备和嵌入式设备，大型CNN的计算成本使现有的人脸识别模型无法部署到这类计算资源有限的设备上。为了减少人脸识别模型需要的计算资源以实现模型加速，研究人员提出了模型剪枝、模型量化和知识蒸馏等方法，使模型更小、计算成本降低。其中知识蒸馏的方法受到很大关注，知识蒸馏方法就是利用预先给定的大型网络(教师网络)作为监督，把知识蒸馏到网络参数较少的紧凑网络(学生网络)中，将完成蒸馏后的学生网络作为人脸识别模型，从而缩小网络规模。发明人发现从拥有第一数量的网络参数的教师网络中蒸馏得到的学生网络，比从拥有第二数量(第一数量大于第二数量)的网络参数的教师网络中蒸馏得到的学生网络的表现差。

发明内容

本申请的主要目的为提供一种基于人工智能的人脸识别方法、装置、设备及存储介质，旨在解决目前在采用知识蒸馏方法生成人脸识别模型时，从拥有第一数量的网络参数的教师网络中蒸馏得到的学生网络，比从拥有第二数量(第一数量大于第二数量)的网络参数的教师网络中蒸馏得到的学生网络的表现差的技术问题。

为了实现上述发明目的，本申请提出一种基于人工智能的人脸识别方法，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。

本申请还提出了一种基于人工智能的人脸识别装置，所述装置包括：

图像获取模块，用于获取目标图像；

人脸识别结果确定模块，用于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；