一种特征识别方法及装置、计算机可读存储介质制造方法及图纸

本实施例公开一种特征识别方法及装置、计算机可读存储介质，该方法可以包括：在接收到初始特征表示的情况下，将初始特征表示输入预设图像生成网络中，得到初始特征表示对应的重构图像；将重构图像输入预设特征提取网络中，得到重构图像对应的当前特征表示；在获取到待识别特征表示的情况下，确定待识别特征表示与当前特征表示是否匹配，以完成特征识别的过程。程。程。

【技术实现步骤摘要】
一种特征识别方法及装置、计算机可读存储介质
[0001]分案说明
[0002]本公开是基于申请号为201910381801.X，申请日为2019年05月08日，专利技术名称为一种特征识别方法及装置、计算机可读存储介质的中国专利申请提出的，在该中国专利申请记载的范围内提出分案，该中国专利申请的全部内容再次引入本申请作为参考。


[0003]本公开涉及图像处理领域，尤其涉及一种特征识别方法及装置、计算机可读存储介质。

技术介绍

[0004]生物特征识别包括人脸识别、指纹识别等，其应用场景非常广泛，包括智能门禁、安防监控以及手机解锁等，由于生物特征识别在身份认证方面具有重要的应用价值，成为了计算机视觉领域的重要研究对象。近年来，随着深度学习等算法的提出以及核心计算单元性能的增强，生物特征识别得到了发展。
[0005]具体的，不同的应用场景使用的特征识别系统不尽相同，使得对于相同的生物特征，通过不同的特征识别系统学习到的特征表示不尽相同，当应用场景更换特征识别系统，或者需要将一个特征识别系统学习到的特征表示应用于其他特征识别系统时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：根据预设图像样本和初始特征表示样本，对转置卷积神经网络进行训练，得到预设图像生成网络；根据所述预设图像样本和当前特征表示样本，对卷积神经网络进行训练，得到预设特征提取网络；利用所述初始特征表示样本和所述当前特征表示样本，对预设识别转化系统进行训练，得到训练后的预设识别转化系统；所述预设识别转化系统由所述预设图像生成网络和所述预设特征提取网络组成。2.根据权利要求1所述的方法，其特征在于，所述根据预设图像样本和初始特征表示样本，对转置卷积神经网络进行训练，得到预设图像生成网络，包括：将所述初始特征表示样本输入所述转置卷积神经网络，得到重构图像样本；根据所述重构图像样本和所述预设图像样本、或者根据所述重构图像样本、所述预设图像样本和对抗网络，确定出预设指标值；基于所述预设指标值调整所述转置卷积神经网络，得到所述预设图像生成网络。3.根据权利要求2所述的方法，其特征在于，所述根据所述重构图像样本、所述预设图像样本和/或对抗网络，确定出预设指标值，包括：将所述重构图像样本和所述预设图像样本输入所述对抗网络中，确定出所述重构图像样本和所述预设图像样本之间的对抗损失值，将所述对抗损失值确定为预设指标值。4.根据权利要求2所述的方法，其特征在于，所述根据所述重构图像样本、所述预设图像样本和/或对抗网络，确定出预设指标值，包括：确定所述重构图像样本和所述预设图像样本之间的第一空间距离值；将所述第一空间距离值确定为所述预设指标值。5.根据权利要求2所述的方法，其特征在于，所述根据所述重构图像样本、所述预设图像样本和/或对抗网络，确定出预设指标值，包括：将所述重构图像样本和所述预设图像样本输入所述对抗网络中，确定出所述重构图像样本和所述预设图像样本之间的对抗损失值；确定所述重构图像样本和所述预设图像样本之间的第一空间距离值；根据所述对抗损失值和所述第一空间距离值确定所述预设指标值。6.根据权利要求2
‑
5中任一项所述的方法，其特征在于，所述基于所述预设指标值调整所述转置卷积神经网络，得到所述预设图像生成网络，包括：在所述预设指标值未满足第一预设阈值的情况下，基于所述预设指标值调整所述转置卷积神经网络，得到所述预设图像生成网络；在所述预设指标值满足第一预设阈值的情况下，将所述转置卷积神经网络确定为所述预设图像生成网络。7.根据权利要求1所述的方法，其特征在于，根据所述预设图像样本和当前特征表示样本，对卷积神经网络进行训练，得到预设特征提取网络，包括：将所述预设图像样本输入所述卷积神经网络，得到第一特征表示样本；确定所述第一特征表示样本和所述当前特征表示样本之间的第二空间距离值；基于所述第二空间距离值调整所述卷积神经网络。
8.根据权利要求7所述的方法，其特征在于，根据所述预设图像样本和当前特征表示样本，对卷积神经网络进行训练，得到预设特征提取网络，包括：在所述第二空间距离值未满足第二预设阈值...

【专利技术属性】
技术研发人员：陈卓，吴一超，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：