【技术实现步骤摘要】
人脸图像显示的方法、装置及存储介质
本公开涉及人脸识别领域，尤其涉及人脸图像显示的方法、装置及存储介质。
技术介绍
图像识别是人工智能领域的重要应用之一，通过在不同的数据集上训练卷积神经网络得到具有相应图像识别能力的模型。模型的识别能力在很大程度上依赖训练数据集的质量，例如训练集的图片质量，训练数据集的全面性等。通常在训练图像识别模型时，由于图像数据集中基本覆盖了日常生活中常见的各种物体，包含常见物体标签的识别，这些数据集也经过业界长期的打磨，已经标注的相对完备，数据也足够丰富多样，通过图像数据集，能够训练得到图像识别能力较好的图像识别模型。另外还有更为具体的图像识别领域，例如，人脸识别，遥感图像识别，人脸表情识别等等，这些具体的领域也有一些公开的数据集供模型训练和优化使用。其中，传统的人脸表情识别方法包括6个主要表情，包括生气，高兴，惊讶，伤心，害怕，厌恶。而针对一些除传统表情之外的特有表情，业界却没有公开成熟的、标注完备的数据用于训练表情识别模型，进而，在没有完备训练数据的情况下，如何快速获取到目...
【技术保护点】
1.一种人脸图像显示的方法，其特征在于，应用于终端，所述方法包括：/n确定目标人脸图像的标签信息，所述标签信息通过预先训练的表情识别模型，对所述目标人脸图像进行表情识别后得到；/n从目标图像集合中获取与所述标签信息对应的目标人脸图像，并显示所述目标人脸图像。/n
【技术特征摘要】
1.一种人脸图像显示的方法，其特征在于，应用于终端，所述方法包括：
确定目标人脸图像的标签信息，所述标签信息通过预先训练的表情识别模型，对所述目标人脸图像进行表情识别后得到；
从目标图像集合中获取与所述标签信息对应的目标人脸图像，并显示所述目标人脸图像。
2.根据权利要求1所述的人脸图像显示的方法，其特征在于，所述表情识别模型通过如下方式训练得到：
获取第一训练样本集，所述第一训练样本集中包括多种表情类型的人脸图像；
基于所述第一训练样本集训练表情识别模型，得到初始版本表情识别模型，将所述初始版本表情识别模型作为当前版本表情识别模型；
确定增量训练样本集，所述增量训练样本集基于当前版本表情识别模型对人脸图像库中除所述第一训练样本集之外的人脸图像进行表情识别后得到；
将增量训练样本集和所述第一训练样本集作为当前训练样本集，训练当前版本表情识别模型，得到训练后的表情识别模型。
3.根据权利要求2所述的人脸图像显示的方法，其特征在于，将增量训练样本集和所述第一训练样本集作为当前训练样本集，训练当前版本表情识别模型，得到训练后的表情识别模型包括：
循环执行以下步骤，直到所述训练后的表情识别模型中输出的人脸表情类型符合预设的准确率和召回率：
确定增量训练样本集，所述增量训练样本集基于当前版本表情识别模型对人脸图像库中除所述第一训练样本集之外的人脸图像进行表情识别后得到，将增量训练样本集和所述第一训练样本集作为当前训练样本集，训练当前版本表情识别模型，得到训练后的表情识别模型，
将所述训练后的表情识别模型作为当前版本表情识别模型。
4.根据权利要求2或3所述的人脸图像显示的方法，其特征在于，确定增量训练样本集，包括：
基于当前版本表情识别模型对人脸图像库中除所述第一训练样本集之外的其他人脸图像进行表情识别，并确定所述当前版本表情识别模型识别所述其他人脸图像中每一个人脸图像对应多种表情类型的概率；
根据所述其他人脸图像中每一个人脸图像对应多种表情类型的概率，确定增量训练样本集。
5.根据权利要求4所述的人脸图像显示的方法，其特征在于，所述根据所述其他人脸图像中每一个人脸图像对应多种表情类型的概率，确定增量训练样本集，包括：
将多种表情类型中表情类型的概率位于第一概率和第二概率之间，且被标注为识别错误的表情类型，对应的第一数量人脸图像，作为第一增量训练样本集；
将多种表情类型中表情类型的概率位于第三概率和第四概率之间，且被标注为识别错误的表情类型，对应的第二数量人脸图像，作为第二增量训练样本集；
基于所述其他人脸图像中每一个人脸图像，获取与所述人脸图像对应的第四数量的表情类型，根据所述第四数量的表情类型，确定第三增量训练样本集；
将第一增量训练样本集和/或第二增量训练样本集和/或第三增量训练样本集，作为增量训练样本集。
6.根据...
【专利技术属性】
技术研发人员：庞芸萍，
申请(专利权)人：北京小米松果电子有限公司，
类型：发明
国别省市：北京;11
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。