【技术实现步骤摘要】
人脸识别模型训练方法、装置、存储介质与电子设备
[0001]本公开涉及人工智能
，尤其涉及一种人脸识别模型训练方法、人脸识别模型训练装置、计算机可读存储介质和电子设备。
技术介绍
[0002]随着机器学习技术的发展，基于机器学习的人脸识别技术已经被广泛的应用于社会生活的各个方面。
[0003]人脸识别技术通常利用样本人脸图像训练人脸识别模型，在实际应用中，可以利用训练好的人脸识别模型对待识别图像进行处理，得到人脸识别结果。
[0004]相关技术中，在确定样本数据集时，可以选择多种类型的样本人脸图像，如不同人种、不同性别、佩戴眼镜和未佩戴眼镜等各种样本人脸图像，以利用具备丰富类型的样本数据集训练得到更高泛化能力的人脸识别模型。
技术实现思路
[0005]本公开提供了一种人脸识别模型训练方法、人脸识别模型训练装置、计算机可读存储介质与电子设备，进而至少在一定程度上提高训练得到的人脸识别模型的泛化能力和识别精准度。
[0006]根据本公开的第一方面，提供一种人脸识别模型训练方法，所述方...
【技术保护点】
【技术特征摘要】
1.一种人脸识别模型训练方法，其特征在于，所述方法应用于人脸识别模型训练系统，所述人脸识别模型训练系统包括第一设备和多个第二设备，所述方法应用于任一所述第二设备中，所述方法包括：接收所述第一设备发送的人脸识别参考模型，所述人脸识别参考模型包括人脸特征提取子模型；根据本第二设备配置的人脸识别任务子模型和所述人脸特征提取子模型，生成所述本第二设备的待训练的人脸识别模型；利用所述本第二设备的训练集对所述人脸识别模型进行训练，得到更新后的人脸识别模型；将所述更新后的人脸识别模型中的人脸特征提取子模型发送至所述第一设备，并接收所述第一设备发送的聚合子模型，所述聚合子模型为所述第一设备根据每个所述第二设备发送的更新后的人脸特征提取子模型确定的；根据所述聚合子模型更新所述人脸识别模型。2.根据权利要求1所述的方法，其特征在于，所述利用所述本第二设备的训练集对所述人脸识别模型进行训练，得到更新后的人脸识别模型，包括：利用所述训练集和对所述人脸识别模型进行预设次数的迭代训练，并固定所述人脸特征提取子模型的参数，以更新所述人脸识别任务子模型的参数，得到初步更新后的人脸识别模型；利用所述训练集对所述初步更新后的人脸识别模型进行迭代训练，以更新所述人脸特征提取子模型的参数，或者更新所述人脸特征提取子模型与所述人脸识别任务子模型的参数，得到更新后的人脸识别模型。3.根据权利要求2所述的方法，其特征在于，所述利用所述训练集对所述初步更新后的人脸识别模型进行迭代训练，以更新所述人脸特征提取子模型的参数，或者更新所述人脸特征提取子模型与所述人脸识别任务子模型的参数，得到更新后的人脸识别模型，包括：利用所述训练集对所述初步更新后的人脸识别模型进行目标次数的迭代训练，以更新所述人脸特征提取子模型的参数，或者更新所述人脸特征提取子模型与所述人脸识别任务子模型的参数，得到更新后的人脸识别模型，所述目标次数为最大迭代次数与所述预设次数的差值，所述最大迭代次数为解析接收到的所述第一设备发送的模型训练参数获取的。4.根据权利要求1所述的方法，其特征在于，所述利用所述本第二设备的训练集对所述人脸识别模型进行训练，包括：通过在所述本第二设备上开启的多个模型训练进程，分别利用所述训练集对所述人脸识别模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述通过在所述本第二设备上开启的多个模型训练进程，分别利用所述训练集对所述人脸识别模型进行训练，包括：通过每个所述模型训练进程训练所述人脸识别模型，得到每个所述模型训练进程输出的所述人脸识别模型的梯度值；根据每个所述模型训练进程输出的所述梯度值确定聚合梯度值；根据所述聚合梯度值更新所述人脸识别模型的参数。6.根据权利要求5所述的方法，其特征在于，所述将所述更新后的人脸识别模型中的人
脸特征提取子模型发送至所述第一设备，包括：将任一所述更新后的人脸识别模型中的人脸特征提取子模型发送至所述第一设备。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：若接收到所述第一设备发送的模型停止训练指令，则确定人脸识别模型为根据所述聚合子模型更新所述人脸识别模型得到的人脸识别模型。8.一种人脸识别模型训练方法，其特征在于，所述方法应用于人脸识别模型训练系统，所述人脸识别模型训练系统包括第一设备和多个第二设备，...
【专利技术属性】
技术研发人员：王希予，张立平，毛伟，王启立，裴积全，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：
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。