[发明专利]人脸识别模型训练方法及装置

说明书

本申请提供一种人脸识别模型训练方法及装置。该方法包括：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；基于人脸图像样本对应的原型、损失值和历史样本特征计算得到新原型；将损失值映射为裕值，依据裕值、人脸图像样本对应的特征向量以及新原型，计算得到人脸图像样本对应的中间分类结果，将中间分类结果进行归一化处理，得到最终分类结果，以便对人脸识别模型的分类模块进行训练。本申请提升了人脸识别模型在训练过程中的人脸识别效果。

技术领域

本申请涉及计算机技术领域，尤其涉及一种人脸识别模型训练方法及装置。

背景技术

随着深度学习的发展，人脸识别效果得到了显著的提升，但是经典的人脸识别算法对数据中的难例样本很难进行正确识别，虽然后续提出的NPCFace等算法来通过margin的形式尝试去解决该问题，但仍难达到理想的效果。

目前解决难例样本识别问题的方式主要有以下两种，一种是样本对学习中的难例挖掘，另一种是分类学习中的margin，前者基于对比学习，模型的识别效果不佳，后者只考虑了原型学习，没有为类中心引入方差。因此，导致现有的人脸识别模型训练方法存在人脸识别效果差，尤其对难例样本的识别效果较差的问题。

发明内容

有鉴于此，本申请实施例提供了一种人脸识别模型训练方法及装置，以解决现有技术存在的人脸识别效果差，尤其对难例样本的识别效果较差的问题。

本申请实施例的第一方面，提供了一种人脸识别模型训练方法，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；基于人脸图像样本对应的原型、损失值和历史样本特征计算得到新原型；将损失值映射为裕值，依据裕值、人脸图像样本对应的特征向量以及新原型，计算得到人脸图像样本对应的中间分类结果，将中间分类结果进行归一化处理，得到最终分类结果，以便对人脸识别模型的分类模块进行训练。

本申请实施例的第二方面，提供了一种人脸识别模型训练装置，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，被配置为基于人脸图像样本对应的原型、损失值和历史样本特征计算得到新原型；训练模块，被配置为将损失值映射为裕值，依据裕值、人脸图像样本对应的特征向量以及新原型，计算得到人脸图像样本对应的中间分类结果，将中间分类结果进行归一化处理，得到最终分类结果，以便对人脸识别模型的分类模块进行训练。

本申请实施例的第三方面，提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述方法的步骤。

本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

通过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；基于人脸图像样本对应的原型、损失值和历史样本特征计算得到新原型；将损失值映射为裕值，依据裕值、人脸图像样本对应的特征向量以及新原型，计算得到人脸图像样本对应的中间分类结果，将中间分类结果进行归一化处理，得到最终分类结果，以便对人脸识别模型的分类模块进行训练。本申请提升了人脸识别模型在训练过程中的人脸识别效果，尤其增强对难例样本的识别效果。

附图说明