人脸识别模型的训练方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种人脸识别模型的训练方法、装置、电子设备和存储介质。所述方法包括：预设人脸识别网络；通过多个训练阶段，以所述人脸识别网络为基础进行迭代训练，得到人脸识别模型；其中，所述多个训练阶段分别基于不同的训练控制条件实现，并且在后的训练阶段的训练控制条件是在在前的训练阶段的训练控制条件基础上叠加新的训练控制条件得到的，所述训练控制条件包括训练数据控制条件和/或损失函数控制条件。有益效果在于，通过控制训练条件进行逐步的迭代训练学习得到高性能的识别模型，可以有效的防止过拟合，提升人脸特征的辨别能力和鲁棒性，强化了识别模型对不同人脸的辨别力。

【技术实现步骤摘要】
人脸识别模型的训练方法、装置、电子设备和存储介质
本申请涉及人脸识别领域，具体涉及一种人脸识别模型的训练方法、装置、电子设备和存储介质。
技术介绍
人脸识别技术是计算机视觉的热点应用领域之一，在安防、监控、新零售等场景中得到了广泛的应用。为了提高人脸识别模型的性能，实践中往往从三个方面进行优化：(1)数据扩增和样本增强；(2)网络结构改造；(3)目标函数设计。但现有方式大都采用重量级的卷积神经网络，其模型和计算量较大，因此在一些对时间和资源占用有限的场景中通常无法满足需求。若直接将基础网络替换为当前通用的轻量级神经网络又往往会导致性能的严重下降。而且模型训练中，常常采用单一阶段训练或预训练加微调两种方式，也没能充分挖掘出模型的潜力。
技术实现思路
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种人脸识别模型的训练方法、装置、电子设备和存储介质。依据本申请的一个方面，提供了一种人脸识别模型的训练方法。该方法包括：预设人脸识别网络；通过多个训练阶段，以所述人脸识别网络为基本文档来自技高网...

【技术保护点】
1.一种人脸识别模型的训练方法，其特征在于，该方法包括：/n预设人脸识别网络；/n通过多个训练阶段，以所述人脸识别网络为基础进行迭代训练，得到人脸识别模型；其中，所述多个训练阶段分别基于不同的训练控制条件实现，并且在后的训练阶段的训练控制条件是在在前的训练阶段的训练控制条件基础上叠加新的训练控制条件得到的，所述训练控制条件包括训练数据控制条件和/或损失函数控制条件。/n

【技术特征摘要】
1.一种人脸识别模型的训练方法，其特征在于，该方法包括：
预设人脸识别网络；
通过多个训练阶段，以所述人脸识别网络为基础进行迭代训练，得到人脸识别模型；其中，所述多个训练阶段分别基于不同的训练控制条件实现，并且在后的训练阶段的训练控制条件是在在前的训练阶段的训练控制条件基础上叠加新的训练控制条件得到的，所述训练控制条件包括训练数据控制条件和/或损失函数控制条件。


2.如权利要求1所述的方法，其特征在于，所述预设人脸识别网络包括：
基于全局深度卷积结构和深度可分离卷积结构建立基础人脸识别网络；
对所述基础人脸识别网络的浅层通道进行剪枝、在深层通道中添加子模块，得到人脸识别网络。


3.如权利要求2所述的方法，其特征在于，所述预设人脸识别网络还包括：
在人脸识别网络中引入注意力机制。


4.如权利要求3所述的方法，其特征在于，所述在人脸识别网络中引入注意力机制包括：
在人脸识别网络的基础子模块中添加SEBlock子模块。


5.如权利要求4所述的方法，其特征在于，所述在人脸识别网络的基础子模块中加入SEBlock子模块包括：
在所述基础子模块的通道剪枝后的卷积层添加SEBlock子模块。


6.如权利要求1所述的方法，其特征在于，所述训练数据控制条件包括如下的至少一种：
对训练数据进行类别平衡处理；
对训练数据中同一身份的...

【专利技术属性】
技术研发人员：柴振华，赖申其，李圣喜，孟欢欢，张健为，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11