[发明专利]人脸识别模型的训练方法、人脸识别方法及装置

说明书

本公开提供了一种人脸识别模型的训练方法、人脸识别方法及装置，涉及深度学习、图像处理、计算机视觉等人工智能技术领域，可应用于人脸识别等场景。该方法包括：获取训练数据集；提取训练图像集中的训练图像的图像特征；基于图像特征进行图像重建，得到训练图像对应的重建图像；计算训练图像与对应的重建图像之间的重建损失；基于重建损失更新初始人脸识别模型的参数，得到更新后的人脸识别模型。本公开提供的人脸识别模型的训练方法提高了人脸识别的准确度。

技术领域

本公开涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，尤其涉及人脸识别模型的训练方法、人脸识别方法及装置，可应用于人脸识别等场景。

背景技术

近年来，随着硬件资源的发展，深度学习技术也得到了飞速发展，其在很多领域都取得了不错的效果，特别是在计算机视觉领域。而人脸识别是计算机视觉领域一个重要的研究方向。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

发明内容

本公开提供了一种人脸识别模型的训练方法、人脸识别方法及装置。

根据本公开的第一方面，提供了一种人脸识别模型的训练方法，包括：获取训练数据集；提取训练图像集中的训练图像的图像特征；基于图像特征进行图像重建，得到训练图像对应的重建图像；计算训练图像与对应的重建图像之间的重建损失；基于重建损失更新初始人脸识别模型的参数，得到更新后的人脸识别模型。

根据本公开的第二方面，提供了一种人脸识别方法，包括：获取待识别图像；将待识别图像输入至预先训练的人脸识别模型，输出得到人脸识别结果，其中，人脸识别模型采用如第一方面中任一项所述的方法训练得到。

根据本公开的第三方面，提供了一种人脸识别模型的训练装置，包括：第一获取模块，被配置成获取训练数据集；提取模块，被配置成提取训练图像集中的训练图像的图像特征；重建模块，被配置成基于图像特征进行图像重建，得到训练图像对应的重建图像；第一计算模块，被配置成计算训练图像与对应的重建图像之间的重建损失；更新模块，被配置成基于重建损失更新初始人脸识别模型的参数，得到更新后的人脸识别模型。

根据本公开的第四方面，提供了一种人脸识别装置，包括：第二获取模块，被配置成获取待识别图像；识别模块，被配置成将待识别图像输入至预先训练的人脸识别模型，输出得到人脸识别结果，其中，人脸识别模型采用如第一方面中任一项所述的方法训练得到。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第二方面中任一实现方式描述的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面或第二方面中任一实现方式描述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的人脸识别模型的训练方法的一个实施例的流程图；