[发明专利]人脸识别模型训练方法及装置

权利要求书

1.一种人脸识别模型训练方法，其特征在于，包括：

将人脸图像样本输入到人脸识别模型的特征提取网络中，得到所述人脸图像样本对应的样本特征；

从预设的历史样本特征队列和样本损失队列中，分别获取与所述人脸图像样本的类别相对应的历史样本特征和损失值；

基于所述人脸图像样本对应的原型、所述损失值和所述历史样本特征计算得到新原型；

将所述损失值映射为裕值，依据所述裕值、所述人脸图像样本对应的特征向量以及所述新原型，计算得到所述人脸图像样本对应的中间分类结果，将所述中间分类结果进行归一化处理，得到最终分类结果，以便对所述人脸识别模型的分类模块进行训练。

2.根据权利要求1所述的方法，其特征在于，所述从预设的历史样本特征队列和样本损失队列中，分别获取与所述人脸图像样本的类别相对应的历史样本特征和损失值，包括：

依据所述人脸图像样本对应的类别，从所述历史样本特征队列中获取与所述人脸图像样本的类别相对应的历史样本特征，并从所述样本损失队列中获取与所述人脸图像样本的类别相对应的历史样本的损失值；

其中，所述历史样本特征队列用于存储所述特征提取网络提取的历史样本特征，所述样本损失队列用于存储所述历史样本对应的损失值。

3.根据权利要求1所述的方法，其特征在于，所述基于所述人脸图像样本对应的原型、所述损失值和所述历史样本特征计算得到新原型，包括：

将所述损失值作为权重，将所述历史样本特征与权重相乘，将相乘后得到的计算结果与所述人脸图像样本的原型相加，得到加权求和后的所述新原型；

其中，所述原型用于表征与所述人脸图像样本的类别相对应的权重，所述原型存储在原型队列中。

4.根据权利要求1所述的方法，其特征在于，所述将所述损失值映射为裕值，包括：

对所述损失值进行转换，以便将所述损失值转换为0.3-0.4之间的裕值，所述裕值的大小随所述损失值的增大而增大，随所述损失值的减小而减小。

5.根据权利要求4所述的方法，其特征在于，所述依据所述裕值、所述人脸图像样本对应的特征向量以及所述新原型，计算得到所述人脸图像样本对应的中间分类结果，包括：

依据所述裕值确定所述人脸图像样本对应的特征向量与所述新原型之间的夹角，将所述人脸图像样本对应的特征向量、所述新原型以及所述夹角相乘，得到所述人脸图像样本对应的中间分类结果。

6.根据权利要求1所述的方法，其特征在于，在所述得到最终分类结果之后，所述方法还包括：

利用所述人脸图像样本的样本特征对所述历史样本特征队列中的与所述人脸图像样本的类别相对应的历史样本特征进行更新，以及利用所述人脸图像样本的损失值对所述样本损失队列中的与所述人脸图像样本的类别相对应的损失值进行更新。

7.根据权利要求6所述的方法，其特征在于，所述利用所述人脸图像样本的样本特征对所述历史样本特征队列中的与所述人脸图像样本的类别相对应的历史样本特征进行更新，包括：

基于指数滑动平均法对所述历史样本特征队列中存储的与所述人脸图像样本的类别相对应的历史样本特征进行更新。

8.一种人脸识别模型训练装置，其特征在于，包括：

输入模块，被配置为将人脸图像样本输入到人脸识别模型的特征提取网络中，得到所述人脸图像样本对应的样本特征；

获取模块，被配置为从预设的历史样本特征队列和样本损失队列中，分别获取与所述人脸图像样本的类别相对应的历史样本特征和损失值；

计算模块，被配置为基于所述人脸图像样本对应的原型、所述损失值和所述历史样本特征计算得到新原型；

训练模块，被配置为将所述损失值映射为裕值，依据所述裕值、所述人脸图像样本对应的特征向量以及所述新原型，计算得到所述人脸图像样本对应的中间分类结果，将所述中间分类结果进行归一化处理，得到最终分类结果，以便对所述人脸识别模型的分类模块进行训练。