【技术实现步骤摘要】
模型训练方法及装置、识别方法、存储介质及电子设备
本专利技术涉及模型训练领域，特别涉及一种模型训练方法及装置、识别方法、存储介质及电子设备。
技术介绍
随着信息科技的发展，人们所能涉足的领域越来越多。无论在何种领域中，在涉及到用户身份识别的过程中，人脸识别是最直接且有效的方法。通常的做法是，先采集一张用户当前的人脸照片，然后将采集的人脸照片与从公安系统中拉取的用户二代身份证照片进行比对，当采集的人脸照片与用户二代身份证照片中的人脸为同一人脸时，完成对用户的身份识别。专利技术人经过对现有用户身份识别的过程进行研究发现，在将当前获取的用户人脸照片与从公安系统中拉取的用户二代身份证照片进行比对时，由于二代身份证照片上叠加有网纹，影响了对用户二代身份证照片中人脸的识别，进而降低了用户身份识别的准确度。因此亟需一种模型训练方法，能够训练出可以去除网纹图片中网纹的模型，以消除网纹在身份识别过程中，对识别过程带来的影响。
技术实现思路
本专利技术所要解决的技术问题是提供一种模型训练方法，能够训练出可以去除网纹图...
【技术保护点】
1.一种模型训练方法，其特征在于，包括：/n选取基础模型；/n利用叠加有网纹的图片、以及与所述叠加有网纹的图片对应的未叠加网纹前的原始图片作为所述基础模型的输入，对所述基础模型进行训练；/n当所述基础模型对应的损失函数满足预设的训练终止条件时，终止对所述基础模型的训练，并将终止训练时的基础模型作为训练获得的深度学习模型。/n
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
选取基础模型；
利用叠加有网纹的图片、以及与所述叠加有网纹的图片对应的未叠加网纹前的原始图片作为所述基础模型的输入，对所述基础模型进行训练；
当所述基础模型对应的损失函数满足预设的训练终止条件时，终止对所述基础模型的训练，并将终止训练时的基础模型作为训练获得的深度学习模型。
2.根据权利要求1所述的方法，其特征在于，在所述深度学习模型的建立过程中，获取所述叠加有网纹的图片，包括：
选取未叠加有网纹的原始图片；
依据预设的生成方式，生成目标网纹，并将所述目标网纹叠加在所述原始图片上，获得网纹图片。
3.根据权利要求2所述的方法，其特征在于，所述依据预设的生成方式，生成目标网纹，包括：
依据预建立的目标函数，生成初始网纹波形；
基于所述初始网纹波形，生成所述目标网纹。
4.根据权利要求3所述的方法，其特征在于，所述目标函数的预建立过程，包括：
选取基础函数，并解析已获取的样本网纹的网纹属性；
依据所述已获取的样本网纹的网纹属性，对所述基础函数的函数参数进行调整，获得所述目标函数。
5.根据权利要求4所述的方法，其特征在于，所述基础函数为三角函数的线性组合函数；所述三角函数为正弦函数或余弦函数；
所述基础函数的函数参数包括所述基础函数中包含的每个三角函数的振幅、角频率及初相。
6.根据权利要求3所述的方法，其特征在于，所述基于所述初始网纹波形生成目标网纹，包括：
依据所述初始网纹波形生成初始网纹单元；
在所述初始网纹单元中，截取多个网纹子单元，并将所述多个网纹子单元按预设的组合方式进行组合，获得所述目标网纹；每个所述网纹子单元的宽度值与所述原始图片的宽度值相同。
7.根据权利要求6所述的方法，其特征在于，所述依据所述初始网纹波形生成初始网纹单元，包括：
对所述初始网纹波形进行复制，获得与所述初始网纹波形对应的第一网纹波形；将所述第一网纹波形，从所述初始网纹波形的当前位置，按预设的第一矢量方向移动第一位移，获得所述初始网纹波形与所述第一网纹波形组合形成的初始网纹单元；
或
对所述初始网纹波形进行复制，获得与所述初始网纹波形对应的第二网纹波形；将所述第二网纹波形，从所述初始网纹波形的当前位置，按预设的第二矢量方向移动第二位移，获得所述初始网纹波形与所述第二网纹波形组合形成的组合网纹图形；将所述组合网纹图形，以其水平轴为旋转轴，旋转180度，获得所述初始网纹单元；
或
依据所述初始网纹波形，生成第三网纹波形；所述第三网纹波形与所述初始网纹波形的初相位差为kπ，k为奇数；获得所述初始网纹波形与所述第三网纹波形组合形成的初始网纹单元。
8.根据权利要求6所述的方法，其特征在于，所述在所述初始网纹单元中，截取多个网纹子单...
【专利技术属性】
技术研发人员：付华，赵立军，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。