【技术实现步骤摘要】
一种人脸模型精度矫正方法、装置及存储介质
本专利技术涉及人脸检测领域，具体涉及一种人脸模型精度矫正方法、装置及存储介质。
技术介绍
随着新型人脸检测技术的不断涌现，如何高效、保质地在人脸识别系统中进行人脸检测算法替换成为迫切面临的问题。由于人脸特征提取模型在人脸检测算法抽取的样本集基础上训练和实现，所以非常依赖于人脸检测时设定的各种参数，而细微的位置和角度差异都将导致后期人脸识别精度的大幅下降。传统的精度矫正方法就是利用新的人脸检测算法重新建立人脸特征训练样本集并重新调整模型，这在面对数以亿计的人脸图片库时显得十分低效。传统方案的做法基本等同于重新训练人脸特征提取模型，需要完成数以亿次的人脸检测、特征点提取及人脸对齐流程，形成全新的人脸特征提取训练集，并进行微调式训练，非常低效。在现有技术中还没有存在更加高效的方法可以采用。有鉴于此，建立一种人脸模型精度矫正方法和装置是非常具有意义的。
技术实现思路
针对上述提到在人脸识别系统中进行人脸检测算法替换会导致人脸识别精度大幅降低、重新存在效率低、训练量...
【技术保护点】
1.一种人脸模型精度矫正方法，其特征在于，包括以下步骤：/nS1：分别采用包含有第一人脸检测算法的第一人脸识别系统和包含有第二人脸检测算法的第二人脸识别系统对同一个数据集进行人脸图像提取，获取目标样本对；/nS2：以人脸识别训练数据集作为训练集通过微调超参数并执行数据增强变换方案对所述第一人脸识别系统中的人脸特征提取模型进行训练，重复所述步骤S2直至训练后的所述人脸特征提取模型的第一精度矫正结果达到第一范围；/nS3：将所述第一人脸识别系统作为学生网络，经过所述步骤S2训练后的所述人脸特征提取模型为教师网络，利用所述目标样本对通过知识蒸馏对所述学生网络进行训练，所述知识蒸馏...
【技术特征摘要】
1.一种人脸模型精度矫正方法，其特征在于，包括以下步骤：
S1：分别采用包含有第一人脸检测算法的第一人脸识别系统和包含有第二人脸检测算法的第二人脸识别系统对同一个数据集进行人脸图像提取，获取目标样本对；
S2：以人脸识别训练数据集作为训练集通过微调超参数并执行数据增强变换方案对所述第一人脸识别系统中的人脸特征提取模型进行训练，重复所述步骤S2直至训练后的所述人脸特征提取模型的第一精度矫正结果达到第一范围；
S3：将所述第一人脸识别系统作为学生网络，经过所述步骤S2训练后的所述人脸特征提取模型为教师网络，利用所述目标样本对通过知识蒸馏对所述学生网络进行训练，所述知识蒸馏采用异质同源样本自蒸馏结构；以及
S4：将所述第二人脸检测算法结合经过所述步骤S3训练后的所述学生网络形成第三人脸识别系统，测试所述第三人脸识别系统，得到第二精度矫正结果，重复所述步骤S3直至所述第二精度矫正结果达到第二范围。
2.根据权利要求1所述的人脸模型精度矫正方法，其特征在于，所述步骤S1具体包括：
S11：通过第一人脸检测算法和第二人脸检测算法分别对同一个数据集进行人脸图像提取得到第一人脸区域图像和第二人脸区域图像，所述第一人脸区域图像和所述第二人脸区域图像形成原始目标样本对；
S12：剔除所述原始目标样本对的无效样本对，得到所述目标样本对。
3.根据权利要求2所述的人脸模型精度矫正方法，其特征在于，所述步骤S12中通过相似度比较计算比较所述第一人脸区域图像和所述第二人脸区域图像的相似度，并将相似度结果低于设定阈值的原始目标样本对进行剔除。
4.根据权利要求1所述的人脸模型精度矫正方法，其特征在于，在所述步骤S2中所述微调超参数包括调整学习率和权重衰减，所述数据增强变换方案包括随机仿射变换、随机裁剪、随机人脸关键点扰动后再执行相似变换或随机掩膜。
5.根据权利要求1所述的人脸模型精度矫正方法，其特征在于，所述知识蒸馏中的第一损失函数采用CosineLoss：
其中，x1和x2分别是所述教师网络与所述学生网络输出的特征潜码向量，m是距离常量，y是张量标签。
6.根据权利要求5所述的人脸模型精度矫正方法，其特征在于，所述知识蒸馏中的第二损失函数采用L2Loss：
x＝x1-x2...
【专利技术属性】
技术研发人员：高志鹏，黄仁裕，姚灿荣，赵建强，张辉极，杜新胜，江冠南，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：福建;35
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。