【技术实现步骤摘要】
模型训练方法和装置、人脸识别方法和设备、存储介质
[0001]本公开涉及人脸识别领域，特别涉及一种模型训练方法和装置、人脸识别方法和设备、存储介质。
技术介绍
[0002]近年来人脸识别技术发展迅速，在安防监控、智慧零售等行业人脸识别几乎成了不可或缺的能力。相关技术的人脸识别技术主要基于深度学习，虽然相较于传统机器学习方法深度学习在泛化性、学习能力等方面有着比较显著的优势，但是其可解释性、鲁棒性等方面依然存在一些风险。
技术实现思路
[0003]专利技术人通过研究发现：相关技术当前基于质量判断的人脸识别技术往往将人脸质量判断和人脸识别视为两个分离的过程，即先通过某种方法对人脸图片质量进行判断，然后选择质量分数高的图片进行人脸识别以防止人脸识别模型由于质量问题而进行错误匹配或者无法召回的问题。然而不同质量模型产生的质量分数显然是不同的，而且相关技术已有方法几乎都是通过人为主观的定义质量标签，然后训练质量模型，这样质量模型实际学到的是人主观认为的质量，但是人眼认为质量好的，模型不一定认为质量好，人眼认为质量差的，...
【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，包括：基于预训练人脸识别模型对训练集中每个人脸图片生成人脸质量分数；采用所述人脸质量分数作为监督信息训练质量模型；采用所述人脸质量分数作为监督信息训练质量相关人脸识别模型，以便训练完成的质量相关人脸识别模型与质量模型配合，对输入的人脸图片进行识别。2.根据权利要求1所述的模型训练方法，其特征在于，所述基于预训练人脸识别模型对训练集中每个人脸图片生成人脸质量分数包括：对训练集中每个人脸图片，采用预训练人脸识别模型预测该人脸图片属于每个类别的概率；根据该人脸图片属于每个类别的概率，确定该人脸图片的信息熵；根据该人脸图片的信息熵确定该人脸图片的人脸质量分数。3.根据权利要求2所述的模型训练方法，其特征在于，所述基于预训练人脸识别模型对训练集中每个人脸图片生成人脸质量分数包括：对于训练集中每个人脸图片，分别采用多个预训练人脸识别模型中每个预训练人脸识别模型，确定对应的人脸质量分数；将多个预训练人脸识别模型对应的人脸质量分数进行加权，得到最终的人脸质量分数。4.根据权利要求1
‑
3中任一项所述的模型训练方法，其特征在于，所述采用所述人脸质量分数作为监督信息训练质量相关人脸识别模型包括：在质量相关人脸识别模型的训练过程中，根据所述人脸质量分数修正边界常数项；根据修正后的边界常数项对正样本和正样本类中心的夹角进行边界约束；根据边界约束后的所述夹角，确定质量相关人脸识别模型的目标函数。5.根据权利要求4所述的模型训练方法，其特征在于，所述根据所述人脸质量分数修正边界常数项包括：在训练初期，将第一预定值作为边界常数项；在训练收敛阶段，根据所述人脸质量分数与第二预定值确定边界常数项，其中，第二预定值大于第一预定值。6.根据权利要求1
‑
3中任一项所述的模型训练方法，其特征在于，所述采用所述人脸质量分数作为监督信息训练质量模型包括：根据人脸质量分数与质量模型输出的均方误差，确定质量模型的目标函数。7.一种人脸识别方法，其特征在于，包括：将人脸图片输入质量模型进行筛选，筛选出人脸...
【专利技术属性】
技术研发人员：王军，张阳，戴汉彬，于伟，王林芳，杨琛，梅涛，
申请(专利权)人：京东科技信息技术有限公司，
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。