基于数据增强的人脸识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于数据增强的人脸识别方法、装置、设备及存储介质，用于提升人脸识别的泛化性和预测准确度，方法包括：从预置的数据库中获取通用人脸数据集及特定人脸数据集，其中，所述通用人脸数据集及所述特定人脸数据集用于模型训练；对所述通用人脸数据集及特定人脸数据集进行数据量比值分析，得到比值数据；当所述比值数据小于预设阈值时，对所述特定人脸数据集进行数据增广处理，得到增广数据集；通过所述增广数据集对预置的神经网络模型进行训练，得到人脸识别模型；获取待识别图片，并将所述待识别图片输入所述人脸识别模型进行识别，得到人脸识别结果。本发明专利技术还涉及区块链技术，通用人脸数据集可存储于区块链中。可存储于区块链中。可存储于区块链中。

【技术实现步骤摘要】
基于数据增强的人脸识别方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于数据增强的人脸识别方法、装置、设备及存储介质。

技术介绍

[0002]随着互联网技术的不断发展，人工智能算法在各种生产系统中应用越来越广泛，也对人工智能提出了越来越高的精度要求，人脸识别技术是最受关注的生物特征识别技术之一，近年来，人脸识别技术得到了迅猛发展，大量有关人脸识别技术的应用落地，
[0003]但是，随着人脸数据集的不断增加，模型精度也在不断提升，但是由于足够泛化的模型很难实现，在特定场景下的精度经常表现出不足，同时，人脸数据的收集也越加困难，很难得到指定场景的数据去进行基于数据增强的人脸识别，少量的样本很难实现指定场景下的高精度，使得在基于数据增强的人脸识别时泛化能力不足，导致人脸识别准确度下降。

技术实现思路

[0004]本专利技术实施例提供了一种基于数据增强的人脸识别方法、装置、设备及存储介质，用于提升基于数据增强的人脸识别的泛化性和预测准确度。
[0005]本专利技术第一方面提供了一种基于数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据增强的人脸识别方法，其特征在于，所述方法包括：从预置的数据库中获取通用人脸数据集及特定人脸数据集，其中，所述通用人脸数据集及所述特定人脸数据集用于模型训练；对所述通用人脸数据集及特定人脸数据集进行数据量比值分析，得到比值数据；当所述比值数据小于预设阈值时，对所述特定人脸数据集进行数据增广处理，得到增广数据集；通过所述增广数据集对预置的神经网络模型进行训练，得到人脸识别模型；获取待识别图片，并将所述待识别图片输入所述人脸识别模型进行识别，得到人脸识别结果。2.根据权利要求1所述的基于数据增强的人脸识别方法，其特征在于，所述对所述特定人脸数据集进行数据增广处理，得到增广数据集包括：从预置的数据增广策略库中按照预设规则获取多个数据增广策略；对所述特定人脸数据集进行预处理，得到标准数据集；根据所述标准数据集对每一所述数据增广策略进行图像分类误差计算，得到误差数据集合；基于所述误差数据集合通过预置的优化函数对所述多个数据增广策略进行筛选，得到目标数据增广策略；根据所述目标数据增广策略对所述标准数据集进行数据增广处理，得到增广数据集。3.根据权利要求2所述的基于数据增强的人脸识别方法，其特征在于，所述对所述特定人脸数据集进行预处理，得到标准数据集包括：对所述特定人脸数据集中的每一图片进行标准化处理，得到与每一图片对应的像素值矩阵；对于每一图片对应的像素值矩阵进行零像素值填充，得到每一图片对应的填充图像；按照预设的尺寸对每一图片进行随机分割处理，得到裁剪图片集合；对所述裁剪图片集合中每一图片进行镜像翻转，得到标准数据集。4.根据权利要求2所述的基于数据增强的人脸识别方法，其特征在于，所述根据所述标准数据集对每一所述数据增广策略进行图像分类误差计算，得到误差数据集合包括：根据每一所述数据增广策略对所述标准数据集进行数据增广，得到标准增广数据集；通过预置的残差网络模型对所述标准增广数据集进行图像分类误差计算，得到误差数据集合。5.根据权利要求1
‑
4中任一项所述的基于数据增强的人脸识别方法，其特征在于，所述通过所述增广数据集对预置的神经网络模型进行训练，得到人脸识别模型包括：基于所述增广数据集对所述特征解耦模型进行参数分析，得到对应的模型网络参数；基于所述模型网络参数通过所述特征解耦...

【专利技术属性】
技术研发人员：姜禹，陈欣，戴磊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：