【技术实现步骤摘要】
检测网络的训练方法、检测方法及系统
[0001]本说明书涉及数据处理领域，尤其涉及一种检测网络的训练方法、检测方法及系统。
技术介绍
[0002]传统的人脸识别系统不能辨别当前获取的图像中的人脸是活体人脸还是假体人脸。随着人脸识别技术的广泛应用，人脸照片、人脸视频、三维面具等假体人脸攻击方式层出不穷，人脸活体识别越来越受到关注。人脸活体识别也逐渐成为人脸识别系统中不可或缺的环节。
[0003]然而，随着人脸识别系统不断的应用到更多的领域，会遇到多种表征差别迥异的场景特性，因此如何能使得检测网络在多种场景下具有更好的分类鲁棒性成为了重要研究方向。
技术实现思路
[0004]本说明书提供的检测网络的训练方法、检测方法及系统，可以有效的降低待检测人脸图像中某一区块的图像对最终分类结果的影响。
[0005]第一方面，本说明书提供一种检测网络的训练方法，包括：获取待检测图像的待检测数据，所述待检测图像描绘了目标对象的生物特征；将所述待检测数据输入M层Transformer网络进行关于活体生物特征的检测，...
【技术保护点】
【技术特征摘要】
1.一种检测网络的训练方法，所述方法包括：获取待检测图像的待检测数据，所述待检测图像描绘了目标对象的生物特征；将所述待检测数据输入M层Transformer网络进行关于活体生物特征的检测，得到所述待检测图像关于活体生物特征的检测结果；确定所述M层Transformer网络的至少两层输出结果的关于活体生物特征的相关性增强数据；获得所述待检测图像的参考特征图；根据所述待检测图像数据关于活体生物特征的检测结果得到分类损失值，根据所述参考特征图和所述关于活体生物特征的相关性增强数据得到对比特征损失值，根据所述分类损失值和对比特征损失值得到联合损失值；以及根据所述联合损失值，训练所述检测网络，其中，M是大于1的自然数。2.如权利要求1所述的方法，其中所述检测网络为活体攻击检测网络，所述检测结果包括活体类别和攻击类别。3.如权利要求1所述的方法，其中所述获取待检测图像的待检测数据包括：将所述待检测图像划分为N个区块，将每个区块对应的子数据预处理成为所述待检测数据，其中，N是大于1的自然数。4.如权利要求3所述的方法，所述将每个区块对应的子数据预处理成为所述待检测数据，包括：对所述每个区块对应的子数据进行维度变化和连接处理，得到区块嵌入数据；对所述每个区块对应的子数据进行位置编码，得到位置嵌入数据；以及将所述区块嵌入数据和所述位置嵌入数据相加的结果进行线性映射，得到所述待检测数据。5.如权利要求3所述的方法，所述将每个区块对应的子数据预处理成为所述待检测数据，包括：对所述每个区块对应的子数据进行维度变化和连接处理，得到第一区块嵌入数据；根据所述检测网络对所述待检测数据的检测类型，得到类型嵌入数据；将所述类型嵌入数据和所述第一区块嵌入数据进行拼接处理，得到第二区块嵌入数据；对每个区块对应的子数据进行位置编码，得到位置嵌入数据；以及将所述第二区块嵌入数据和所述位置嵌入数据相加的结果进行线性映射，得到待检测数据。6.如权利要求1所述的方法，所述确定所述M层Transformer网络的至少两层输出结果的关于活体生物特征的相关性增强数据，包括：对将所述Transformer网络的第M层输出结果与第M
‑
1层输出结果输入到第M
‑
1层相关性增强模块进行融合处理，得到第1层融合输出结果；将第i层相关性增强模块的融合输出结果与所述Transformer网络的第M
‑1‑
i层输出结果输入到第i+1层相关性增强模块进行融合处理，得到第i+1层融合输出结果，其中每一层相关性增强模块所述输出结果均增强了其输入数据中不同区块的活体生物特征之间的相
关性信息，i＝[1，M
‑
1]之间的任何整数；以及将所述M
‑
1层相关性增强模块的融合输出结果作为所述关于活体生物特征的相关性增强数据。7.如权利要求6所述的方法，所述将第i层相关性增强模块的融合输出结果与所述Transformer网络的第M
‑1‑
i层输出结果输入到第i+1层相关性增强模块进行融合处理，得到第i+1层融合输出结果，包括：将第i层相关性增强模块的融合...
【专利技术属性】
技术研发人员：武文琦，
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。