人脸鉴伪模型训练方法、设备、存储介质及装置制造方法及图纸

本发明专利技术公开了一种人脸鉴伪模型训练方法、设备、存储介质及装置，涉及生物识别技术领域。本发明专利技术在对人脸鉴伪模进行训练时，通过教师模型监督学生模型的训练过程，实现迁移学习，在学生模型收敛后，获得人脸鉴伪模。由于教师模型相比学生模型具有更高的检测精度，从而提高了学生模型的检测精度。同时，也保留了学生模型自身的速度快的优势，使得最终的人脸鉴伪模能够兼顾速度与精度。本发明专利技术的人脸鉴伪模在对人脸图像进行鉴伪时，具体较高的鉴伪速度与精度。度。度。

【技术实现步骤摘要】
人脸鉴伪模型训练方法、设备、存储介质及装置


[0001]本专利技术涉及生物识别
，尤其涉及一种人脸鉴伪模型训练方法、设备、存储介质及装置。

技术介绍

[0002]随着人脸识别技术的发展，越来越多的场景中开始应用人脸识别功能。为了提高人脸识别的安全行，在人脸识别中还加入了人脸鉴伪，以防止基于合成人脸等进行的攻击，例如门禁、手机支付等，都需要保证人脸识别的安全性。
[0003]通常，门禁、手机或其他检测装置所具有的算力有限，在执行人脸鉴伪功能时，往往速度较低，带来了极大的不便。故，如何在设备算力有限的情况下，提高终端上的人脸鉴伪速度，是亟待解决的技术问题。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供一种人脸鉴伪模型训练方法、设备、存储介质及装置，旨在提高终端上的人脸鉴伪的精度和速度。
[0006]为实现上述目的，本专利技术提供一种人脸鉴伪模型训练方法，所述人脸鉴伪模型训练方法包括以下步骤：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸鉴伪模型训练方法，其特征在于，所述人脸鉴伪模型训练方法包括以下步骤：通过预设学生检测模型对人脸样本图像进行识别，获得第一预测值；通过预设教师检测模型对所述人脸样本图像进行识别，获得第二预测值；根据预设蒸馏损失函数计算所述第一预测值与所述第二预测值之间的损失参数；根据所述损失参数更新所述预设学生检测模型中的待训练参数，以对所述学生检测模型进行训练，获得人脸鉴伪模型。2.如权利要求1所述的人脸鉴伪模型训练方法，其特征在于，所述根据预设蒸馏损失函数计算所述第一预测值与所述第二预测值之间的损失参数，包括：从所述预设学生检测模型的输出特征图中，选取所述第一预测值对应的第一输出特征图；从所述预设教师检测模型的输出特征图中，选取所述第二预测值对应的第二输出特征图；根据预设蒸馏损失函数计算所述第一输出特征图与所述第二输出特征图之间的差值矩阵；根据所述差值矩阵确定损失参数。3.如权利要求2所述的人脸鉴伪模型训练方法，其特征在于，所述根据所述差值矩阵确定损失参数，包括：获取所述人脸样本图像的真实标记值；计算所述真实标记值与所述第一预测值之间的第一真实差值；根据所述第一真实差值和所述差值矩阵确定损失参数。4.如权利要求1-3中任一项所述的人脸鉴伪模型训练方法，其特征在于，所述根据预设蒸馏损失函数计算所述第一预测值与所述第二预测值之间的损失参数之前，还包括：计算所述第一预测值与所述第二预测值之间的预测差值；在所述预测差值大于预设差值阈值时，执行所述根据预设蒸馏损失函数计算所述第一预测值与所述第二预测值之间的损失参数的步骤。5.如权利要求1-3中任一项所述的人脸鉴伪模型训练方法，其特征在于，所述通过预设学生检测模型对人脸样本图像进行识别，获得第一预测值之前，还包括：获取第一目标检测网络和第二目标检测网络；其中，所述第一目标检测网络的参数量小于所述第二目标检测网络的参数量；获取人脸图像训练集，并通过所述人脸图像训练集分别对所述第一目标检测网络以及所述第二目标检测网络进行训练，得到训练后的第一目标检测网络以及训练后所述第二目标检测网络；在所述训练后的第一目标检测网络满足第一预设收敛条件时，将所述...

【专利技术属性】
技术研发人员：胡传锐，
申请(专利权)人：北京鸿享技术服务有限公司，
类型：发明
国别省市：