【技术实现步骤摘要】
一种针对面部识别的风险判断模型的训练方法和装置
[0001]本说明书一个或多个实施例涉及图像识别和风险预测领域,尤其涉及一种针对面部识别的风险判断模型的训练方法和装置。
技术介绍
[0002]目前,随着面部识别技术在不同行业、不同运用场景下的广泛应用,用于面部识别的设备,已经快速从主要用于线上面部识别场景的个人终端设备,向主要用于线下面部识别场景的公共识别设备发展。由于公共识别设备面对的用户数量,相对于个人终端设备,呈现巨大数量级的增加,增加了进行面部识别的难度,使得在公共识别设备上的面部识别的风险显著增加。
[0003]因此,需要一种新的针对公共设备上的面部识别的风险判断方法。
技术实现思路
[0004]本说明书中的实施例旨在提供一种针对面部识别的风险判断模型的训练方法和装置,通过该方法训练出的风险判断模型,可以快速确定在公共设备上进行的面部识别的风险程度,进而可以根据该风险程度,提高公共识别设备上的面部识别的成功率,解决现有技术中的不足。
[0005]根据第一方面,提供了一种针对面部识别的风险判断模型的训练方法,所述风险判断模型至少包括第一、第二和第三图卷积网络,所述方法包括:
[0006]获取第一样本,所述第一样本包括第一用户的标识、第一设备的标识,以及第一标签值,所述第一用户的标识为由所述第一设备进行面部识别所输出的第一识别结果,所述第一标签值用于指示所述第一识别结果是否为错误识别结果;
[0007]通过所述第一图卷积网络,对于预先构建的用户相似关系图进行图卷积 ...
【技术保护点】
【技术特征摘要】
1.一种针对面部识别的风险判断模型的训练方法,所述风险判断模型至少包括第一、第二和第三图卷积网络,所述方法包括:获取第一样本,所述第一样本包括第一用户的标识、第一设备的标识,以及第一标签值,所述第一用户的标识为由所述第一设备进行面部识别所输出的第一识别结果,所述第一标签值用于指示所述第一识别结果是否为错误识别结果;通过所述第一图卷积网络,对于预先构建的用户相似关系图进行图卷积运算,获取所述第一用户对应的第一用户向量;所述用户相似关系图根据多个用户之间的第一相似度构建,所述第一相似度基于所述多个用户的面部图像确定,所述多个用户中包括所述第一用户;通过所述第二图卷积网络,对于预先构建的用户与设备关系图进行图卷积运算,获取所述第一用户对应的第二用户向量、以及所述第一设备对应的第一设备向量;所述用户与设备关系图根据所述多个用户与多个公共面部识别设备之间的历史关联信息构建,所述多个公共面部识别设备中包括所述第一设备;通过所述第三图卷积网络,对于预先构建的设备关系图进行图卷积运算,获取所述第一设备对应的第二设备向量;所述设备关系图基于所述多个公共面部识别设备的地理位置构建;结合所述第一用户向量和第二用户向量,获取所述第一用户对应的第三用户向量;结合所述第一设备向量和第二设备向量,获取所述第一设备对应的第三设备向量;以第三用户向量与第三设备向量之间的点积值趋向于所述第一标签值为目的,更新所述第一、第二和第三图卷积网络的网络参数。2.根据权利要求1所述的方法,其中,所述结合所述第一用户向量和第二用户向量,获取所述第一用户对应的第三用户向量,包括:根据所述第一用户向量和第二用户向量各个维度上的值的叠加值/平均值,获得所述第三用户向量各个维度上的值。3.根据权利要求2所述的方法,其中,所述第一用户向量和第二用户向量各个维度上的值的叠加值,包括,所述第一用户向量和第二用户向量各个维度上的值的加权叠加值。4.根据权利要求3所述的方法,其中,所述风险判断模型还包括第一注意力网络;所述第一用户向量和第二用户向量各个维度上的值在所述加权叠加值中的加权权重,基于所述第一注意力网络确定;所述以第三用户向量与第三设备向量之间的点积值趋向于所述第一标签值为目的,更新所述第一、第二和第三图卷积网络的网络参数,包括:以第三用户向量与第三设备向量之间的点积值趋向于所述第一标签值为目的,更新所述第一、第二、第三图卷积网络和第一注意力网络的网络参数。5.根据权利要求1所述的方法,其中,所述结合所述第一设备向量和第二设备向量,获取所述第一设备对应的第三设备向量,包括:根据所述第一设备向量和第二设备向量各个维度上的值的叠加值/平均值,获得所述第三设备向量各个维度上的值。6.根据权利要求5所述的方法,其中,所述第一设备向量和第二设备向量各个维度上的值的叠加值,包括,所述第一设备向量和第二设备向量各个维度上的值的加权叠加值。
7.根据权利要求6所述的方法,其中,所述风险判断模型还包括第二注意力网络;所述第一设备向量和第二设备向量各个维度上的值在所述加权叠加值中的加权权重,基于所述第二注意力网络确定;所述以第三用户向量与第三设备向量之间的点积值趋向于所述第一标签值为目的,更新所述第一、第二和第三图卷积网络的网络参数,包括:以第三用户向量与第三设备向量之间的点积值趋向于所述第一标签值为目的,更新所述第一、第二、第三图卷积网络和第二注意力网络的网络参数。8.根据权利要求1所述的方法,其中,所述用户相似关系图包括多个用户节点、以及所述用户节点之间的边,所述多个用户节点分别对应于所述多个用户,所述边对应于所述用户之间的第一相似度。9.根据权利要求1所述的方法,其中,所述用户与设备关系图包括多个用户节点、多个设备节点,以及所述用户节点和设备节点之间的边,所述多个用户节点分别对应于多个用户,所述多个设备节点分别对应于所述多个公共面部识别设备,所述边对应于所述用户和公共面部识别设备之间的历史关联信息。10.根据权利要求1所述的方法,其中,所述设备关系图包括多个设备节点、以...
【专利技术属性】
技术研发人员:刘贺,王岱鑫,魏建平,杨智翔,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。