模型更新方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请实施例公开了一种模型更新方法、装置、设备、存储介质及程序产品；在本申请实施例中，对训练样本的脸部特征和训练样本的标签对应的目标簇的中心特征进行融合处理，得到训练样本的融合特征；根据融合特征和脸部特征，对目标簇的中心特征进行调整，得到目标簇的调整后中心特征；对脸部特征和目标簇的调整后中心特征进行融合处理，得到训练样本的调整后融合特征；根据调整后融合特征，确定融合特征和调整后融合特征之间的兼容损失值，以及确定脸部识别模型的分类损失值；根据分类损失值和兼容损失值，对脸部识别模型进行训练，得到脸部识别模型更新后的目标脸部识别模型。本申请实施例可以提高目标脸部识别模型的兼容性。例可以提高目标脸部识别模型的兼容性。例可以提高目标脸部识别模型的兼容性。

【技术实现步骤摘要】
模型更新方法、装置、设备、存储介质及程序产品


[0001]本申请涉及图像处理
，具体涉及一种模型更新方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]随着科学技术的发展，神经网络模型的应用越来越广泛，比如，将神经网络模型应用于人脸识别领域，即通过人脸识别模型提取人脸图像的人脸特征，将人脸特征和人脸库中的特征进行匹配，得到人脸图像的识别结果。
[0003]在采用人脸识别模型对人脸图像进行识别的过程中，会根据人脸图像对人脸识别模型进行更新。然而，通过更新后的人脸识别模型提取的人脸特征和人脸库中的特征不兼容，导致需要采用更新后的人脸识别模型重新提取人脸库中人脸图像的特征，耗费的时间较长，导致识别速度较慢。

技术实现思路

[0004]本申请实施例提供一种模型更新方法、装置、设备、存储介质及程序产品，可以解决通过更新后的人脸识别模型重新提取人脸库中人脸图像的特征，耗费的时间较长，识别速度较慢的技术问题。
[0005]本申请实施例提供一种模型更新方法，包括：
[0006]获取更新脸部识别模型的训练集，上述训练集包括至少一个带标签的训练样本，上述训练样本为上述脸部识别模型历史识别的脸部图像；
[0007]对上述训练样本进行特征提取，得到上述训练样本对应的脸部特征，并对上述脸部特征和上述标签对应的目标簇的中心特征进行融合处理，得到上述训练样本的融合特征；
[0008]根据上述融合特征和上述脸部特征，对上述目标簇的中心特征进行调整，得到上述目标簇的调整后中心特征；
[0009]对上述脸部特征和上述目标簇的调整后中心特征进行融合处理，得到上述训练样本的调整后融合特征；
[0010]根据上述调整后融合特征，确定上述融合特征和上述调整后融合特征之间的兼容损失值，以及确定上述脸部识别模型的分类损失值；
[0011]根据上述分类损失值和上述兼容损失值，对上述脸部识别模型进行训练，得到上述脸部识别模型更新后的目标脸部识别模型。
[0012]相应地，本申请实施例提供一种模型更新装置，包括：
[0013]获取模块，用于获取更新脸部识别模型的训练集，上述训练集包括至少一个带标签的训练样本，上述训练样本为上述脸部识别模型历史识别的脸部图像；
[0014]提取模块，用于对上述训练样本进行特征提取，得到上述训练样本对应的脸部特征，并对上述脸部特征和上述标签对应的目标簇的中心特征进行融合处理，得到上述训练
样本的融合特征；
[0015]调整模块，用于根据上述融合特征和上述脸部特征，对上述目标簇的中心特征进行调整，得到上述目标簇的调整后中心特征；
[0016]融合模块，用于对上述脸部特征和上述目标簇的调整后中心特征进行融合处理，得到上述训练样本的调整后融合特征；
[0017]确定模块，根据上述调整后融合特征，确定上述融合特征和上述调整后融合特征之间的兼容损失值，以及确定上述脸部识别模型的分类损失值；
[0018]训练模型，根据上述分类损失值和上述兼容损失值，对上述脸部识别模型进行训练，得到上述脸部识别模型更新后的目标脸部识别模型。
[0019]可选地，调整模块具体用于执行：
[0020]根据上述融合特征，确定上述训练样本的预测标签；
[0021]根据上述脸部特征以及上述预测标签，对上述目标簇的中心特征进行调整，得到上述目标簇的调整后中心特征。
[0022]可选地，提取模块具体用于执行：
[0023]通过上述脸部识别模型中特征提取层对上述训练样本进行特征提取，得到上述训练样本对应的初始脸部特征；
[0024]通过上述脸部识别模型中特征映射层对上述初始脸部特征进行特征映射，得到上述训练样本对应的脸部特征。
[0025]可选地，调整模块具体用于执行：
[0026]获取上述脸部特征对应的第一方向信息，以及获取上述初始脸部特征的第二方向信息；
[0027]根据上述第一方向信息、上述第二方向信息以及上述预测标签，对上述目标簇的中心特征进行调整，得到上述目标簇的调整后中心特征。
[0028]可选地，调整模块具体用于执行：
[0029]获取上述目标簇的中心特征的第三方向信息；
[0030]根据上述第一方向信息、上述第二方向信息、上述第三方向信息以及上述预测标签，对上述目标簇的中心特征进行调整，得到上述目标簇的调整后中心特征。
[0031]可选地，融合模块具体用于执行：
[0032]对上述调整后融合特征和上述初始脸部特征进行第一融合处理，得到上述训练样本的目标融合特征；
[0033]根据上述目标融合特征，确定上述融合特征和上述调整后融合特征之间的兼容损失值。
[0034]可选地，模型更新装置还包括：
[0035]映射模块，用于获取上述标签对应的目标簇的初始中心特征；
[0036]通过上述脸部识别模型的中心映射层，对上述初始中心特征进行映射，得到上述标签对应的目标簇的中心特征。
[0037]可选地，获取模块具体用于执行：
[0038]获取上述脸部识别模型历史识别的脸部图像；
[0039]从上述脸部图像对应的图片簇中筛选出待标注图片簇组，并根据上述待标注图片
簇组对上述脸部图像进行标注，得到带标签的脸部图像；
[0040]根据上述带标签的脸部图像，确定更新脸部识别模型的训练集。
[0041]可选地，获取模块具体用于执行：
[0042]获取上述脸部识别模型历史识别的历史脸部图像；
[0043]提取上述历史脸部图像的关键点，并根据上述关键点确定上述历史脸部图像对应的质量分数；
[0044]将满足预设分数阈值的质量分数对应的历史脸部图像，作为上述脸部识别模型历史识别的脸部图像。
[0045]可选地，获取模块具体用于执行：
[0046]获取上述历史脸部图像的多个质量模型；
[0047]通过上述质量模型，根据上述关键点，确定上述历史脸部图像的多个初始质量分数；
[0048]根据上述初始质量分数，确定上述历史脸部图像对应的质量分数。
[0049]可选地，上述历史脸部图像存在多个质量评价维度，每个上述质量评价维度对应一个维度质量模型，相应地，获取模块具体用于执行：
[0050]通过上述维度质量模型，根据上述关键点，确定上述历史脸部图像针对每个质量评价维度的初始质量分数；
[0051]对各个上述初始质量分数进行加权运算，得到上述历史脸部图像对应的质量分数。
[0052]可选地，模型更新装置还包括：
[0053]训练模块，用于执行：
[0054]获取待训练维度质量模型的第一训练集，上述第一训练集包括多个第一训练样本；
[0055]提取上述第一训练样本的样本关键点，并根据上述样本关键点，确定上述待训练维度质量模型的成对损失值和/或锚损失值；
[0056]根据上述成对损失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型更新方法，其特征在于，包括：获取更新脸部识别模型的训练集，所述训练集包括至少一个带标签的训练样本，所述训练样本为所述脸部识别模型历史识别的脸部图像；对所述训练样本进行特征提取，得到所述训练样本对应的脸部特征，并对所述脸部特征和所述标签对应的目标簇的中心特征进行融合处理，得到所述训练样本的融合特征；根据所述融合特征，确定所述训练样本的预测标签，并获取所述脸部特征对应的第一方向信息，以及获取所述目标簇的中心特征的第三方向信息；根据所述第一方向信息、所述第三方向信息以及所述预测标签，对所述目标簇的中心特征进行调整，得到所述目标簇的调整后中心特征；对所述脸部特征和所述目标簇的调整后中心特征进行融合处理，得到所述训练样本的调整后融合特征；根据所述调整后融合特征，确定所述融合特征和所述调整后融合特征之间的兼容损失值，以及确定所述脸部识别模型的分类损失值；根据所述分类损失值和所述兼容损失值，对所述脸部识别模型进行训练，得到所述脸部识别模型更新后的目标脸部识别模型。2.根据权利要求1所述的模型更新方法，其特征在于，所述对所述训练样本进行特征提取，得到所述训练样本对应的脸部特征，包括：通过所述脸部识别模型中特征提取层对所述训练样本进行特征提取，得到所述训练样本对应的初始脸部特征；通过所述脸部识别模型中特征映射层对所述初始脸部特征进行特征映射，得到所述训练样本对应的脸部特征。3.根据权利要求2所述的模型更新方法，其特征在于，所述根据所述第一方向信息、所述第三方向信息以及所述预测标签，对所述目标簇的中心特征进行调整，得到所述目标簇的调整后中心特征，包括：获取所述初始脸部特征的第二方向信息；根据所述第一方向信息和所述第二方向信息，确定所述初始脸部特征和所述脸部特征之间的第一夹角信息；根据所述第二方向信息和所述第三方向信息，确定所述初始脸部特征和所述目标簇的中心特征之间的第二夹角信息；根据所述第一夹角信息、所述第二夹角信息以及所述预测标签，对所述目标簇的中心特征进行调整，得到目标簇的调整后中心特征。4.根据权利要求3所述的模型更新方法，其特征在于，所述根据所述第一夹角信息、所述第二夹角信息以及所述预测标签，对所述目标簇的中心特征进行调整，得到目标簇的调整后中心特征，包括：确定所述第一夹角信息和所述第二夹角信息之间的夹角差值；根据预测标签、所述夹角差值以及所述标签，对所述目标簇的中心特征进行调整，得到目标簇的调整后中心特征。5.根据权利要求2所述的模型更新方法，其特征在于，所述脸部识别模型中还包括中心映射层，所述方法还包括：
获取所述标签对应的目标簇的初始中心特征；通过所述脸部识别模型的中心映射层，对所述初始中心特征进行映射，得到所述标签对应的目标簇的中心特征。6.一种模型更新方法，其特征在于，包括：获取脸部识别模型历史识别的脸部图像；根据所述脸部图像对应的图片簇中脸部特征，确定所述脸部图像对应的图片簇之间的簇相似度；根据所述脸部图像对应的图片簇中脸部图像的个数和所述脸部图像的总个数，计算所述脸部图像对应的图片簇的标签热度；根据所述簇相似度和所述标签热度，确定所述脸部图像对应的图片簇之间的关联度，并根据所述关联度，从所述脸部图像对应的图片簇中，筛选出待标注图片簇组；根据所述待标注图片簇组对所述脸部图像进行标注，得到带标签的脸部图像，并根据所述带标签的脸部图像，确定更新脸部识别模型的训练集；根据所述训练集，对所述脸部识别模型进行训练，得到所述脸部识别模型更新后的目标脸部识别模型。7.根据权利要求6所述的模型更新方法，其特征在于，获取所述脸部识别模型历史识别的脸部图像，包括：获取所述脸部识别模型历史识别的历史脸部图像；提取所述历史脸部图像的关键点，并根据所述关键点确定所述历史脸部图像对应的质量分数；将满足预设分数阈值的质量分数对应的历史脸部图像，作为所述脸部识别模型历史识别的脸部图像。8.根据权利要求7所述的模型更新方法，其特征在于，所述根据所述关键点确定所述历史脸部图像对应的质量分数，包括：获取所述历史脸部图像的多个质量模型；通过所述质量模型，根据所述关键点，确定所述历史脸部图像的多个初始质量分数；根据所述初始质量分数，确定所述历史脸部图像对应的质量分数。9.根据权利要求8所述的模型更新方法，其特征在于，所述历史脸部图像存在多个质量评价维度，每个所述质量评价维度对应一个维度质量模型；所述通过所述质量模型，根据所述关键点，确定所述历史脸部图像的多个初始...

【专利技术属性】
技术研发人员：张韵璇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：