人脸识别模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种人脸识别模型的训练方法、装置、电子设备及存储介质，其中，方法包括：获取人脸图像数据集合，人脸图像数据集合中的各人脸图像数据均已标注人物名称；对人脸图像数据进行预处理得到训练图像集合；确定原始特征提取ResNet网络；根据原始特征提取ResNet网络的残差计算总次数对各次残差计算进行赋权处理，得到目标特征提取ResNet网络；采用训练图像集合对目标特征提取ResNet网络进行训练得到人脸识别模型；赋权处理包括：将残差计算中前置层的输出占比设定为与本次残差计算对应的第一占比，将残差计算中本身层的输出占比设定为第二占比；任一次残差计算中，第一占比与第二占比相加之和为1。本发明专利技术能够确保高训练效率。效率。效率。

【技术实现步骤摘要】
人脸识别模型的训练方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及人脸识别
，尤其涉及一种人脸识别模型的训练方法、装置、电子设备及存储介质。

技术介绍

[0002]人脸信息在社会生活中得到越来越广泛的应用，例如：应用于手机解锁、应用于app授权登录，以及应用于智能安保系统等。随着人脸信息的广泛应用，业内对人脸识别模型的需求也越来多。
[0003]当前，人脸识别模型多为ResNet（Residual Network，残差网络）模型。
[0004]然而，在基于ResNet网络训练人脸识别模型的过程中，随着训练的进行，网络层数加深往往带来网络训练难度增大的问题（即逐次进行残差计算，随着计算的推进，训练难度增大），产生梯度消失现象；并且，越深的网络返回的梯度相关性会越来越差，接近于白噪声。梯度消失及白噪声干扰了模型训练，降低了人脸识别模型的训练效率。

技术实现思路

[0005]本专利技术实施例提供一种人脸识别模型的训练方法、装置、电子设备及存储介质，以解决现有的在基于ResNet网络训练人脸识别模型的过程中，随着训练的进行，梯度消失及白噪声干扰模型训练，降低了人脸识别模型的训练效率的问题。
[0006]为了解决上述技术问题，本专利技术是这样实现的：第一方面，本专利技术实施例提供了一种人脸识别模型的训练方法，包括：获取人脸图像数据集合，所述人脸图像数据集合中的各人脸图像数据均已标注人物名称；对所述人脸图像数据进行预处理，得到训练图像集合；确定原始特征提取ResNet网络；根据所述原始特征提取ResNet网络的残差计算总次数对各次残差计算进行赋权处理，得到目标特征提取ResNet网络；其中，所述赋权处理包括：将所述残差计算中前置层的输出占比设定为与本次所述残差计算对应的第一占比，将所述残差计算中本身层的输出占比设定为第二占比；任一次所述残差计算中，所述第一占比与所述第二占比相加之和为1；采用训练图像集合对所述目标特征提取ResNet网络进行训练，得到人脸识别模型。
[0007]可选地，所述第一占比的比值=本次残差计算的位次值
÷
（所述残差计算总次数+预设的添加值）。
[0008]可选地，所述预处理包括：对全部所述人脸图像数据进行标准化处理，将完成标准化处理的人脸图像数据集
合作为第一图像数据集合；从所述第一图像数据集合中提取第一比例的第一图像数据；对所述第一比例的第一图像数据进行对比度标准化处理；将完成对比度标准化处理的第一图像数据加入所述第一图像数据集合，得到所述训练图像集合。
[0009]可选地，将完成对比度标准化处理的第一图像数据加入所述第一图像数据集合，之后包括：将全部所述第一图像数据的图像尺寸调整为预设的第一图像尺寸，并将全部所述第一图像数据的色彩格式调整为预设的第一图像色彩格式；对所述第一图像数据集合中第二比例的所述第一图像数据进行第一预处理，得到所述训练图像集合；所述第一预处理包括以下至少一项处理：随机比例的图像尺寸缩放、随机位置的图像裁切、随机角度的图像旋转及图像镜像翻转。
[0010]可选地，所述人脸图像数据集合为Glint360k人脸图像数据集合。
[0011]可选地，以arcface损失函数作为训练所述目标特征提取ResNet网络的损失函数。
[0012]可选地，所述原始特征提取ResNet网络为ResNet101网络。
[0013]第二方面，本专利技术实施例提供了一种人脸识别模型的训练装置，包括：获取模块，用于获取人脸图像数据集合，所述人脸图像数据集合中的各人脸图像数据均已标注人物名称；预处理模块，用于对所述人脸图像数据进行预处理，得到训练图像集合；执行模块，用于确定原始特征提取ResNet网络；根据所述原始特征提取ResNet网络的残差计算总次数对各次残差计算进行赋权处理，得到目标特征提取ResNet网络；其中，所述赋权处理包括：将所述残差计算中前置层的输出占比设定为与本次所述残差计算对应的第一占比，将所述残差计算中本身层的输出占比设定为第二占比；任一次所述残差计算中，所述第一占比与所述第二占比相加之和为1；训练模块，用于采用训练图像集合对所述目标特征提取ResNet网络进行训练，得到人脸识别模型。
[0014]第三方面，本专利技术实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的人脸识别模型的训练方法中的步骤。
[0015]第四方面，本专利技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的人脸识别模型的训练方法中的步骤。
[0016]本专利技术实施例中，通过确定原始特征提取ResNet网络；根据原始特征提取ResNet
网络的残差计算总次数对各次残差计算进行赋权处理，得到目标特征提取ResNet网络；其中，赋权处理包括：将残差计算中前置层的输出占比设定为与本次残差计算对应的第一占比，将残差计算中本身层的输出占比设定为第二占比；任一次残差计算中，第一占比与第二占比相加之和为1，实现了对原始特征提取ResNet网络中前置层输出与自身层输入的分配关系的调控，能够有效避人脸识别模型训练过程发生梯度消失及白噪声问题，避免了因梯度消失及白噪声问题带来的训练效率迟滞，确保了对人脸识别模型的高训练效率。
附图说明
[0017]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为本专利技术实施例人脸识别模型的训练方法的流程示意图之一；图2为损失优化过程示意图；图3为本专利技术实施例人脸识别模型的训练方法的流程示意图之二；图4为本专利技术实施例人脸识别模型的训练方法的流程示意图之三；图5为本专利技术实施例人脸识别模型的训练装置的原理框图；图6为本专利技术实施例电子设备的原理框图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本公开的技术方案中，所涉及的用户个人信息的采集、收集、更新、分析、处理、使用、传输、存储等方面，均符合相关法律法规的规定，被用于合法的用途，且不违背公序良俗。对用户个人信息采取必要措施，防止对用户个人信息数据的非法访问，维护用户个人信息安全和网络安全。
[0019]本专利技术实施例提供了一种人脸识别模型的训练方法，参见图1所示，图1为本专利技术实施例人脸识别模型的训练方法的流程示意图之一，包括：步骤11：获取人脸图像数据集合，人脸图像数据集合中的各人脸图像数据均已标注人物名称；步骤12本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别模型的训练方法，其特征在于，包括：获取人脸图像数据集合，所述人脸图像数据集合中的各人脸图像数据均已标注人物名称；对所述人脸图像数据进行预处理，得到训练图像集合；确定原始特征提取ResNet网络；根据所述原始特征提取ResNet网络的残差计算总次数对各次残差计算进行赋权处理，得到目标特征提取ResNet网络；其中，所述赋权处理包括：将所述残差计算中前置层的输出占比设定为与本次所述残差计算对应的第一占比，将所述残差计算中本身层的输出占比设定为第二占比；任一次所述残差计算中，所述第一占比与所述第二占比相加之和为1；采用训练图像集合对所述目标特征提取ResNet网络进行训练，得到人脸识别模型。2.根据权利要求1所述的人脸识别模型的训练方法，其特征在于：所述第一占比的比值=本次残差计算的位次值
÷
（所述残差计算总次数+预设的添加值）。3.根据权利要求1所述的人脸识别模型的训练方法，其特征在于：所述预处理包括：对全部所述人脸图像数据进行标准化处理，将完成标准化处理的人脸图像数据集合作为第一图像数据集合；从所述第一图像数据集合中提取第一比例的第一图像数据；对所述第一比例的第一图像数据进行对比度标准化处理；将完成对比度标准化处理的第一图像数据加入所述第一图像数据集合，得到所述训练图像集合。4.根据权利要求3所述的人脸识别模型的训练方法，其特征在于：将完成对比度标准化处理的第一图像数据加入所述第一图像数据集合，之后包括：将全部所述第一图像数据的图像尺寸调整为预设的第一图像尺寸，并将全部所述第一图像数据的色彩格式调整为预设的第一图像色彩格式；对所述第一图像数据集合中第二比例的所述第一图像数据进行第一预处理，得到所述训练图像集合；所述第一预处理包括以下至少一项处理：...

【专利技术属性】
技术研发人员：赵吉，
申请(专利权)人：云账户技术天津有限公司，
类型：发明
国别省市：