人脸识别模型处理方法、装置、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处理方法、装置、设备和存储介质，涉及人工智能深度学习技术领域，具体涉及计算机视觉技术应用。具体实现方案为：采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型；根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型；其中，所述搜索空间包括至少两级子搜索空间，且每一级子搜索空间的剪枝率步长小于上一级子搜索空间的剪枝率步长。本申请能够提高遮挡场景下人脸识别效率。

【技术实现步骤摘要】
人脸识别模型处理方法、装置、设备和存储介质
本申请涉及人工智能深度学习
，具体涉及计算机视觉技术应用，具体涉及一种人脸识别模型处理方法、装置、设备和存储介质。
技术介绍
人脸识别是指基于人的脸部特征信息进行身份识别，用处十分广泛。传统的人脸识别模型无法解决遮挡场景的人脸识别，即使采用带口罩等遮挡场景的样本数据对非遮挡场景下的人脸识别模型进行训练，由于模型对于遮挡场景缺乏针对性，对于遮挡场景的人脸识别能力受限。为了提升模型对于遮挡场景的人脸识别能力需要特别大的模型结构，而超大的模型很难满足人脸识别的实时性需求。
技术实现思路
本公开提供了一种用于人脸识别模型处理的方法、装置、设备以及存储介质。根据第一方面，提供了一种人脸识别模型处理方法，包括：采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型；根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型；其中，所述搜索空间包括至少两级子搜索空间，且每一级子搜索空间的剪枝率步长小于上一级子搜索空间的剪枝率步长。根据第二方面，提供了一种人脸识别模型处理装置，包括：超网络训练模块，用于采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型；模型剪枝搜索模块，用于根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型；其中，所述搜索空间包括至少两级子搜索空间，且每一级子搜索空间的剪枝率步长小于上一级子搜索空间的剪枝率步长。根据第三方面，提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请实施例中任一项所述的人脸识别模型处理方法。根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请实施例中任一项所述的人脸识别模型处理方法。根据本申请的技术提供了适合遮挡场景的人脸识别模型结构，从而能够提高遮挡场景下人脸识别效率。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是根据本申请实施例提供的人脸识别模型处理方法的流程示意图；图2是根据本申请实施例提供的人脸识别模型处理方法的流程示意图；图3是根据本申请实施例提供的人脸识别模型处理装置的结构示意图；图4是用来实现本申请实施例的人脸识别模型处理方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。图1是根据本申请实施例提供的人脸识别模型处理方法的流程示意图。本实施例可适用于在戴口罩等遮挡场景下进行人脸识别的情况。本实施例公开的人脸识别模型处理方法可以由电子设备执行，具体可以由人脸识别模型处理装置来执行，该装置可以由软件和/或硬件的方式实现，配置于电子设备中。参见图1，本实施例提供的人脸识别模型处理方法包括：S110、采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型。其中，遮挡样本数据是指包括口罩等遮挡物品的样本人脸图像和样本标签。遮挡场景下的人脸识别超网络模型是指在遮挡场景下具有良好性能的深层次人脸识别模型。具体的，可以采用遮挡样本数据对初始网络结构进行训练，得到遮挡场景下的人脸识别超网络模型，为了使人脸识别超网络模型满足性能要求，初始网络结构的层数一般大于预设数值。由于模型太大，超网络虽然满足性能要求但是很难满足遮挡场景下人脸识别的实时性需求。在一种可选实施方式中，S110包括采用遮挡样本数据，对非遮挡场景下的人脸识别模型进行训练，得到遮挡场景下的人脸识别超网络模型。其中，非遮挡样本数据是指不包括遮挡物品的样本人脸图像和样本标签，非遮挡场景下的人脸识别模型是指在非遮挡场景下具有良好性能的深层次人脸识别模型。具体的，预先采用非遮挡样本数据生成非遮挡场景下的人脸识别模型，再采用遮挡样本数据对非遮挡场景下的人脸识别模型进行训练得到在遮挡场景下具有良好性能的人脸识别超网络模型。S120、根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型。随着NAS(NeuralArchitectureSearch，神经网络架构搜索)技术的发展，通过在海量搜索空间中自动搜索最佳神经网络结构已经广泛应用。搜索空间定义是影响模型性能的重要因素。搜索空间是指网络结构的全集，包括各种候选网络结构供选择。在本申请实施例中，搜索空间主要包括各种候选剪枝率供选择。在本申请实施例中，所述搜索空间包括至少两级子搜索空间，且每一级子搜索空间的剪枝率步长小于上一级子搜索空间的剪枝率步长。也就是说，每一级子搜索空间的剪枝粒度细于上一级子搜索空间的剪枝粒度。通过提供不同粗细粒度的至少两级子搜索空间，由粗粒度到细粒度逐级对人脸识别超网络模型进行剪枝。先通过粗粒度剪枝，收敛速度快，用于宏观搜索人脸识别超网络模型中层间关系，使层间剪枝合理；再结合细粒度剪枝，提高剪枝结果的性能，即本申请实施例剪枝搜索能够兼顾模型的速度和性能需求。可选的，所述搜索空间包括第一级子搜索空间、第二级子搜索空间和第三子搜索空间。其中，第一级子搜索空间作为初始子搜索空间粒度最大，第三子搜索空间的粒度最小。本申请实施例对各级子搜索空间的剪枝率步长不作具体限定，例如第一级剪枝率步长可以为10％，第二级剪枝率步长可以为4％，第三级剪枝率步长可以为2％。通过提供三级粗细粒度不同的子搜索空间，由粗粒度到细粒度逐级对人脸识别超网络模型进行剪枝，将三级最优剪枝结果作为人脸识别轻量模型，能够使人脸识别轻量模型兼顾性能和效率要求。需要说明的是，由于本申请实施例通过剪枝搜索得到人脸识别轻量模型，而无需对剪枝结果进行再训练，因此可以离线得到人脸识别轻量模型。本申请实施例的技术方案，通过提供包括粒度不同的至少两级子搜索空间，通过各级子搜索空间对人脸识别轻量模型进行剪枝搜索，能够使人脸识别轻量模型兼顾性能和效率要求。并且，无需再对剪枝结果进行训练，剪枝搜索效率高。图2是根据本申请实施例提供的一种人脸识别模型处理方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的人脸识别模型处理方法包括：S210、采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型。S22本文档来自技高网...

【技术保护点】
1.一种人脸识别模型处理方法，包括：/n采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型；/n根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型；/n其中，所述搜索空间包括至少两级子搜索空间，且每一级子搜索空间的剪枝率步长小于上一级子搜索空间的剪枝率步长。/n

【技术特征摘要】
1.一种人脸识别模型处理方法，包括：
采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型；
根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型；
其中，所述搜索空间包括至少两级子搜索空间，且每一级子搜索空间的剪枝率步长小于上一级子搜索空间的剪枝率步长。


2.根据权利要求1所述的方法，其中，所述根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型，包括：
根据上一级剪枝搜索结果和当前级子搜索空间的剪枝率步长，构建当前级子搜索空间；
根据所述当前级子搜索空间，对所述人脸识别超网络模型进行剪枝搜索得到当前级剪枝结果。


3.根据权利要求2所述的方法，其中，所述上一级剪枝搜索结果包括所述人脸识别超网络模型中层结构的上一级最优剪枝率；
相应地，所述根据上一级剪枝搜索结果和当前级子搜索空间的剪枝率步长，构建当前级子搜索空间，包括：
根据所述人脸识别超网络模型中层结构的上一级最优剪枝率，和所述当前级子搜索空间的剪枝率步长，为所述层结构确定至少两个候选剪枝率，以得到所述当前级子搜索空间。


4.根据权利要求1所述的方法，其中，所述根据遮挡场景下的搜索空间，对所述人脸识别超网络模型进行剪枝搜索，得到人脸识别轻量模型，包括：
若所述当作级子搜索空间为第一级子搜索空间，则根据所述当前级子搜索空间的剪枝率步长，构建当前级子搜索空间；
根据所述当前级子搜索空间，对所述人脸识别超网络模型进行剪枝搜索得到当前级剪枝结果。


5.根据权利要求2或4所述的方法，其中，所述根据所述当前级子搜索空间，对所述人脸识别超网络模型进行剪枝搜索得到当前级剪枝结果，包括：
根据所述当前级子搜索空间，对所述人脸识别超网络模型进行搜索剪枝，得到候选剪枝模型；
根据所述候选剪枝模型的性能，从所述候选剪枝模型中选择所述当前级剪枝结果。


6.根据权利要求1所述的方法，其中，所述搜索空间包括第一级子搜索空间、第二级子搜索空间和第三子搜索空间。


7.根据权利要求1所述的方法，其中，所述采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型，包括：
采用遮挡样本数据，对非遮挡场景下的人脸识别模型进行训练，得到遮挡场景下的人脸识别超网络模型。


8.一种人脸识别模型处理装置，包括：
超网络训练模块，用于采用遮挡样本数据，生成遮挡场景下的人脸识别超网络模型；
模...

【专利技术属性】
技术研发人员：希滕，张刚，温圣召，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11