用于匹配不同输入数据的技术制造技术

公开用于训练生成式对抗网络(GAN)将一个类型的图像(例如，自拍)变换到第二类型的图像(例如，ID文件图像)的系统和方法。在训练后，所述GAN可用以生成扩增训练集，所述扩增训练集包括图像对(例如，第一类型的图像与所述第二类型的图像配对、从所述第一类型的图像生成的所述第二类型的图像与所述第二类型的图像配对)。扩增训练数据集可用以训练匹配模型标识后续输入图像(例如，自拍和ID图像、从自拍生成的ID图像和实际ID图像)何时匹配。的ID图像和实际ID图像)何时匹配。的ID图像和实际ID图像)何时匹配。

【技术实现步骤摘要】
【国外来华专利技术】用于匹配不同输入数据的技术
[0001]相关申请交叉引用
[0002]此国际申请要求2018年8月10日提交的第62/717,630号美国专利申请的优先权，所述美国专利申请的公开内容出于所有目的以全文引用的方式并入本文中。

技术介绍

[0003]日常生活中的许多活动(包括交易、服务访问和交通)需要个人通过出示标识(ID)文件(例如，护照、驾照等)来验证其身份。通常，一个人需要验证标识文件与其面前的人员匹配。用于实时匹配ID文件与在场人员的自动化系统将加速验证过程并消除操作人员的负担。然而，提供此类系统存在若干独特挑战。举例来说，ID文件图像通常因压缩而品质低下。ID图像中的水印和/或眩光也可能导致难以分析和处理图像。
[0004]本专利技术的实施例单独地以及共同地解决这些问题和其它问题。

技术实现思路

[0005]本专利技术的实施例涉及可用于准确匹配ID文件的图像与ID文件持有者的图像的方法、系统、装置和计算机可读介质。举例来说，用户可利用图像捕捉装置(例如，其智能电话的相机、自助机处提供的相机等)捕捉自身肖像图像。用户还可提供捕本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实施的方法，包括：由数据处理计算机接收输入数据，所述输入数据包括第一输入图像和第二输入图像；由所述数据处理计算机将所述第一输入图像和所述第二输入图像作为输入提供给机器学习模型，所述机器学习模型通过以下方式形成：(i)由数据处理计算机获得包括第一类型的第一组图像和第二类型的第二组图像的初始训练集；(ii)训练神经网络从所述第一类型的输入图像生成所述第二类型的输出图像；(iii)由所述数据处理计算机至少部分地基于所述第一类型的所述第一组图像和所述神经网络来生成扩增训练集；以及(iv)训练所述机器学习模型标识两个输入图像是否匹配，所述机器学习模型是利用所述扩增训练集而被训练的；以及响应于接收到所述机器学习模型的指示所述第一输入图像匹配所述第二输入图像的输出而由所述数据处理计算机执行至少一个操作。2.根据权利要求1所述的计算机实施的方法，其中所述神经网络是循环一致生成式对抗网络，并且其中训练所述神经网络包括：训练第一神经网络从所述第一类型的输入图像生成所述第二类型的输出图像；以及训练第二神经网络从所述第二类型的输入图像生成所述第一类型的输出图像。3.根据权利要求2所述的计算机实施的方法，还包括：通过以下操作来验证所述第一神经网络：向所述第一神经网络提供第一类型的第一组输入图像以获得所述第二类型的生成图像集；提供所述第二类型的所述生成图像集以生成所述第一类型的第二生成图像集；以及将所述第一类型的所述第一组输入图像与所述第一类型的所述第二生成图像集进行比较。4.根据权利要求1所述的计算机实施的方法，其中包括所述第一组图像和所述第二组图像的所述初始训练集未配对。5.根据权利要求1所述的计算机实施的方法，其中所述扩增训练集包括图像对，一对图像包括所述第一组图像中的第一图像和由所述神经网络从所述第一图像生成的第二图像，所述第一图像是所述第一类型，并且所述第二图像是所述第二类型。6.根据权利要求5所述的计算机实施的方法，其中训练所述机器学习模型标识两个输入图像是否匹配包括：使用所述扩增训练集的所述图像对和监督学习算法来训练所述机器学习模型。7.根据权利要求1所述的计算机实施的方法，其中所述扩增训练集包括图像对，每一对包括所述第二类型的两个图像，至少一对图像包括由所述神经网络从所述第一组图像中的一个图像生成的图像。8.根据权利要求7所述的计算机实施的方法，还包括利用所述神经网络将作为输入数据接收的所述第一输入图像从所述第一类型变换成所述第二类型，在将所述第一输入图像和所述第二输入图像作为输入提供给所...

【专利技术属性】
技术研发人员：施亦纯，L，
申请(专利权)人：维萨国际服务协会，
类型：发明
国别省市：