【技术实现步骤摘要】
活体检测模型的训练方法、活体对象检测方法以及装置
[0001]本公开涉及人工智能
,尤其涉及深度学习、图像处理、计算机视觉
,可应用于人脸识别等场景,具体涉及一种活体检测模型的训练方法、活体对象检测方法、装置、设备、存储介质以及程序产品。
技术介绍
[0002]深度学习是一种应用于人工智能
的机器学习方法,通过深度学习方法获得的深度学习模型可以应用于例如图像处理、自然语言处理等各种场景,其中,活体检测是深度学习模型的一个重要应用分支。
技术实现思路
[0003]本公开提供了一种活体检测模型的训练方法、活体对象检测方法、装置、设备、存储介质以及程序产品。
[0004]根据本公开的一方面,提供了一种深度学习模型的训练方法,包括:将第一活体检测训练集的负样本输入初始活体检测模型,得到活体负样本特征;根据活体负样本特征与目标参考活体负样本特征,确定第一聚类反馈数值,其中,第一聚类反馈数值用于表征活体负样本特征与目标参考活体负样本特征之间的相似度,目标参考活体负样本特征是基于多个参考活体负样本特征与活体负样本特征之间的相似度得到的;以及根据第一聚类反馈数值,调整初始活体检测模型的模型参数,得到中间活体检测模型。
[0005]根据本公开的另一方面,提供了一种活体对象检测方法,包括:将待检测图像输入活体检测模型,得到活体对象检测结果,其中,活体检测模型是本公开实施例的活体检测模型的训练方法训练得到的。
[0006]根据本公开的另一方面,提供了一种活体检测模型的训练装置,包括 ...
【技术保护点】
【技术特征摘要】
1.一种活体检测模型的训练方法,包括:将第一活体检测训练集的活体负样本输入初始活体检测模型,得到活体负样本特征;根据所述活体负样本特征与目标参考活体负样本特征,确定第一聚类反馈数值,其中,所述第一聚类反馈数值用于表征所述活体负样本特征与所述目标参考活体负样本特征之间的相似度,所述目标参考活体负样本特征是基于多个参考活体负样本特征与所述活体负样本特征之间的相似度得到的;以及根据所述第一聚类反馈数值,调整所述初始活体检测模型的模型参数,得到中间活体检测模型。2.根据权利要求1所述的方法,其中,所述根据所述活体负样本特征与目标参考活体负样本特征,确定第一聚类反馈数值包括:根据所述活体负样本特征与每一个所述参考活体负样本特征的相似度参数,确定所述目标参考活体负样本特征;以及根据所述活体负样本特征、所述目标参考活体负样本特征以及负样本损失函数,确定所述第一聚类反馈数值。3.根据权利要求1所述的方法,其中,所述参考活体负样本特征是基于所述第一活体检测训练集的所述活体负样本经过特征提取得到的,所述活体检测模型的训练方法还包括:根据所述第一聚类反馈数值更新所述参考活体负样本特征。4.根据权利要求2所述的方法,还包括:将所述第一活体检测训练集的活体正样本输入所述初始活体检测模型,得到活体正样本特征;根据所述活体正样本特征与参考活体正样本特征,确定第二聚类反馈数值,其中,所述第二聚类反馈数值用于表征所述活体正样本特征与所述参考活体正样本特征之间的相似度;以及根据所述第二聚类反馈数值,调整所述初始活体检测模型的模型参数,得到所述中间活体检测模型。5.根据权利要求4所述的方法,其中,所述初始活体检测模型包括卷积神经网络模型,所述根据所述活体正样本特征与参考活体正样本特征,确定所述第二聚类反馈数值包括:根据所述卷积神经网络模型的全连接层权重,确定所述参考活体正样本特征;根据所述活体正样本特征和所述参考活体正样本特征,确定所述活体正样本特征的概率数值;以及根据活体正样本特征、所述概率数值以及正样本特征损失函数,确定所述第二聚类反馈数值。6.根据权利要求4所述的方法,其中,所述负样本特征损失函数包括以下中的至少一个:余弦相似度损失函数、距离损失函数;所述正样本特征损失函数包括以下中的至少一个:交叉熵损失函数、对数损失函数。7.根据权利要求1
‑
6中任一项所述的方法,还包括:基于所述第一活体检测训练集的样本和教师模型,确定第一样本特征参数,其中,所述教师模型由所述中间活体检测模型得到;基于第二活体检测训练集的样本和学生模型,确定第二样本特征参数,其中,所述学生
模型由所述教师模型得到,所述第二活体检测训练集包括所述第一活体检测训练集和回流活体检测训练集;根据所述第一样本特征参数和所述第二样本特征参数,确定特征参数监督数值,所述特征参数监督数值用于表征所述教师模型向所述学生模型进行模型迁移的迁移效果;以及根据所述特征参数监督数值,调整所述学生模型的模型参数,得到目标活体检测模型。8.根据权利要求7所述的方法,其中,所述根据所述第一样本特征参数和所述第二样本特征参数,确定特征参数监督数值包括:确定每两个所述第一特征样本参数之间的相关性参数,得到第一相关性参数;确定每两个所述第二特征样本参数之间的相关性参数,得到第二相关性参数;以及确定所述第一相关性参数和所述第二相关性参数之间的相似度参数,得到所述特征参数监督数值。9.一种活体对象检测方法,包括:将待检测图像输入活体检测模型,得到活体对象检测结果,其中,所述活体检测模型是利用权利要求1
‑
8之一所述的方法训练得到的。10.一种活体检测模型的训练装置,包括:活体负样本特征确定模块,用于将第一活体检测训练集的负样本输入初始活体检测模型,得到活体负样本特征;第一聚类反馈数值确定模块,用于根据所述活体负样本特征与目标参考活体负样本特征,确定第一聚类反馈数值,其中,所述第一聚类反馈数值用于表征所述负样本特征与所述目标参考活体负样本特征之间的相似度,所述目标参考活体负样本特征是基于多个参考活体负样本特征与所述活体负样本特征之间的相似度得到的;以及中间活体检测模型第一确定模块,用于根据所述第一聚类反馈数值,调整所述初始活体检测模型的模型参数,得到中间活体检测模型...
【专利技术属性】
技术研发人员:邹棹帆,王珂尧,岳海潇,
申请(专利权)人:北京百度网讯科技有限公司,
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。