一种人脸识别方法、装置及电子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方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取训练集；其中，所述训练集中包括戴口罩的人脸图片；确定每次训练的采样类别数量和采样系数；其中，所述采样系数表示每次训练每个类别的采样数量；在每次训练的过程中，根据所述采样类别数量选择本次训练需要采样的目标类别，根据所述采样系数在每个所述目标类别下选取本次训练的训练样本；基于所述训练样本训练人脸识别模型，以利用训练完成的人脸识别模型进行人脸识别。由此可见，本申请提供的人脸识别方法，提高了人脸识别模型的准确度。提高了人脸识别模型的准确度。提高了人脸识别模型的准确度。

【技术实现步骤摘要】
一种人脸识别方法、装置及电子设备和存储介质


[0001]本申请涉及人脸识别
，更具体地说，涉及一种人脸识别方法、装置及一种电子设备和一种计算机可读存储介质。

技术介绍

[0002]人脸识别是一个典型的开集任务，也即训练时的对象和实际使用时的对象并不是一样的。人脸识别需要应用于极端恶劣的场景下，例如口罩、帽子等对人脸大面积遮挡的情况，这类场景的训练样本数远低于普通场景下的样本数量。现有技术在进行人脸识别模型训练时，往往不会区分样本的特殊性，将大量的正常光照、高分辨率、不戴口罩、无遮挡等人脸样本与少量的戴口罩、遮挡严重等特殊场景人脸样本同时随机采样训练。
[0003]在相关技术中，基于Softmax训练人脸识别模型，设置每次训练所选取的样本数BatchSize，在所有样本中随机采样选取样本数进行训练。上述方案对于类别样本数量不均衡的训练集，很容易造成长尾问题，也即样本数多的类别训练的更充分，而样本数少的类别训练的则不够充分，使得最终训练得到的人脸识别模型鲁棒性差，即对戴口罩、大面积遮挡等特殊情况的人脸目标识别效果不佳。可见，上述方案容本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：获取训练集；其中，所述训练集中包括戴口罩的人脸图片；确定每次训练的采样类别数量和采样系数；其中，所述采样系数表示每次训练每个类别的采样数量；在每次训练的过程中，根据所述采样类别数量选择本次训练需要采样的目标类别，根据所述采样系数在每个所述目标类别下选取本次训练的训练样本；基于所述训练样本训练人脸识别模型，以利用训练完成的人脸识别模型进行人脸识别。2.根据权利要求1所述人脸识别方法，其特征在于，所述确定每次训练的采样类别数量和采样系数，包括：确定每次训练的采样图片数量和采样系数，计算所述采样图片数量与所述采样系数的比值得到每次训练的采样类别数量。3.根据权利要求1所述人脸识别方法，其特征在于，所述根据所述采样类别数量选择本次训练需要采样的目标类别，包括：在本轮采样未被采样的类别中根据所述采样类别数量选择本次训练需要采样的目标类别；其中，所述训练集中所有类别均被采样表示一轮采样完成。4.根据权利要求1所述人脸识别方法，其特征在于，所述根据所述采样系数在每个所述目标类别下选取本次训练的训练样本，包括：在每个所述目标类别下从上次采样未被采样的第一个训练样本开始根据所述采样系数依次选取本次训练的训练样本。5.根据权利要求1所述人脸识别方法，其特征在于，还包括：基于训练样本与所属类别的类中心之间的距离构建第一损失项；基于同一类别下不同训练样本之间的距离、不同类别下不同训练样本之间的距离构建第二损失项；基于所述第...

【专利技术属性】
技术研发人员：梁潇，王薷泉，韩泽，
申请(专利权)人：济南博观智能科技有限公司，
类型：发明
国别省市：