[发明专利]训练人脸识别模型的方法及装置

说明书

本申请提供一种训练人脸识别模型的方法及装置，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。

技术领域

本申请属于机器视觉技术领域，尤其涉及一种训练人脸识别模型的方法及装置。

背景技术

人脸识别技术是一种识别准确率高、使用便捷的生物特征识别技术。目前，人脸识别技术已经在安防、考勤和移动支付等众多场合中得到了广泛的应用。随着人脸识别技术的广泛应用，保证人脸识别系统的安全性也越来越受到重视。

现有技术中，可以在用于训练人脸识别模型的样本中添加扰动，从而得到对抗样本，然后通过对抗样本对人脸识别模型进行对抗训练，进而提高人脸识别模型的鲁棒性。但由于人脸识别模型对于对抗样本的抗干扰能力较差，因此，传统的技术方案中难以有效提升人脸识别模型的鲁棒性。

发明内容

本申请的目的在于提供一种训练人脸识别模型的方法及装置，旨在解决传统的人脸识别模型对于对抗样本的抗干扰能力较差的问题。

本申请实施例的第一方面提出了一种训练人脸识别模型的方法，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(Self-Paced Learning，SPL)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。

在一些实施方式中，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。

在一些实施方式中，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(Projected Gradient Descent，PGD)对所述第一样本集合中的每个样本添加扰动。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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：