[发明专利]训练人脸识别模型的方法及装置

权利要求书

1.一种训练人脸识别模型的方法，其特征在于，所述方法包括：

基于第一样本集合，训练得到第一人脸识别模型，所述第一样本集合包括至少一个样本；

基于自步学习从第二样本集合中获取第三样本集合，所述第二样本集合包括所述第一样本集合和第四样本集合，所述第四样本集合包括至少一个样本，所述第四样本集合中的任一样本为基于所述第一样本集合中的任一样本生成的对抗样本，所述第三样本集合中每个样本的损失函数的平均值小于第五样本集合中每个样本的损失函数的平均值，所述第五样本集合包括所述第二样本集合中除所述第三样本集合之外的其他样本；

基于所述第三样本集合，对所述第一人脸识别模型进行优化，得到第二人脸识别模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述第一样本集合中每个样本对应的损失函数，对所述第一样本集合中的每个样本添加扰动，得到所述第四样本集合。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一样本集合中的每个样本添加扰动，包括：

通过投影梯度下降法对所述第一样本集合中的每个样本添加扰动。

4.根据权利要求1所述的方法，其特征在于，所述第三样本集合中任一样本的损失函数小于所述第五样本集合中任一样本的损失函数。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第三样本集合，对所述第一人脸识别模型进行优化，得到第二人脸识别模型，包括：

基于所述第三样本集合构建第一三元组集合，所述第一三元组集合包括多个三元组，每个三元组包括所述第三样本集合中的三个样本；

基于所述第一三元组集合对所述第一人脸识别模型进行优化，得到所述第二人脸识别模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一三元组集合对所述第一人脸识别模型进行优化，得到所述第二人脸识别模型，包括：

基于自步学习从所述第一三元组集合中获取第二三元组集合，所述第二三元组集合包括至少一个三元组，所述第二三元组集合包括的每个三元组的损失函数的平均值，小于所述第一三元组集合中除所述第二三元组集合之外其他三元组的损失函数的平均值；

基于所述第二三元组集合对所述第一人脸识别模型进行优化，得到所述第二人脸识别模型。

7.根据权利要求1所述的方法，其特征在于，所述第二人脸识别模型为基于facenet的模型，所述方法还包括：

通过所述第二人脸识别模型获取待识别图像的第一向量以及预设图像的第二向量；

通过所述第二人脸识别模型基于所述第一向量和所述第二向量的之间的距离，输出对所述待识别图像的识别结果，所述识别结果用于指示所述待识别图像与所述预设图像是否包括同一人脸。

8.一种训练人脸识别模型的装置，其特征在于，所述装置还包括：

训练模块，用于基于第一样本集合，训练得到第一人脸识别模型，所述第一样本集合包括至少一个样本；

获取模块，用于基于自步学习从第二样本集合中获取第三样本集合，所述第二样本集合包括所述第一样本集合和第四样本集合，所述第四样本集合包括至少一个样本，所述第四样本集合中的任一样本为基于所述第一样本集合中的任一样本生成的对抗样本，所述第三样本集合中每个样本的损失函数的平均值小于第五样本集合中每个样本的损失函数的平均值，所述第五样本集合包括所述第二样本集合中除所述第三样本集合之外的其他样本；

优化模块，用于基于所述第三样本集合，对所述第一人脸识别模型进行优化，得到第二人脸识别模型。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。