一种图像识别的方法以及相关装置制造方法及图纸

本申请实施例公开了一种图像识别的方法以及相关装置，至少涉及人工智能中的计算机视觉技术和机器学习等技术，也可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。通过本申请实施例提供的方法，能够提高人脸识别准确率。上述所提及的方法包括获取目标对象的生物图像；并且，根据多个目标教师模型对生物图像样本进行知识蒸馏训练处理，得到目标学生模型，多个目标教师模型中每个目标教师模型的特征分布相同；基于目标学生模型对生物图像进行特征提取，得到目标对象的目标生物特征；基于目标对象的目标生物特征确定识别结果，识别结果用于指示目标对象的人脸识别情况。别结果用于指示目标对象的人脸识别情况。别结果用于指示目标对象的人脸识别情况。

【技术实现步骤摘要】
一种图像识别的方法以及相关装置


[0001]本申请实施例涉及人工智能
，具体涉及一种图像识别的方法以及相关装置。

技术介绍

[0002]目前，在应用于安防、支付、门禁等场景中的人脸识别系统中，对人脸识别模型的运行耗时与识别准确率提出了更高的要求，即要求在尽可能少的运行耗时中得到更高的识别准确率。
[0003]在相关方案中，主要是通过采用单个教师模型对学生模型的特征进行约束，以此通过学生模型实现对人脸图像的识别。但是，由于单个教师模型仅仅能够对人脸图像中的一个采样点进行生物特征提取，而针对一个采样点所提取到的生物特征可能无法准确地代表该人脸图像真实的特征情况，从而使得所约束得到的学生模型所识别到的人脸图像的识别结果与真实的人脸图像情况存在差异，识别准确度欠佳。

技术实现思路

[0004]本申请实施例提供了一种图像识别的方法的方法以及相关装置，能够提升识别人脸识别的准确度。
[0005]第一方面，本申请实施例提供了一种图像识别的方法。该方法包括获取目标对象的生物图像；基于多个目标教师模型对生物图像样本进行知识蒸馏训练处理，得到目标学生模型，所述多个目标教师模型中每个所述目标教师模型的特征分布均相同；基于目标学生模型对生物图像进行特征提取处理，得到目标对象的目标生物特征；基于目标对象的目标生物特征确定识别结果，识别结果用于指示目标对象的人脸识别情况。
[0006]第二方面，本申请实施例提供了一种识别装置。该识别装置包括获取单元和处理单元。其中，获取单元，用于获取目标对象的生物图像。处理单元，用于基于多个目标教师模型对生物图像样本进行知识蒸馏训练处理，得到目标学生模型，所述多个目标教师模型中每个所述目标教师模型的特征分布均相同；所述处理单元，用于基于所述目标学生模型对所述目标对象的生物图像进行特征提取，得到目标对象的目标生物特征。处理单元，用于根据目标对象的目标生物特征确定识别结果，识别结果用于指示目标对象的人脸识别情况。
[0007]在一些可选的示例中，获取单元用于获取生物图像样本。处理单元用于：基于第一教师模型对生物图像样本进行特征提取，得到第一生物特征，其中，第一教师模型为从多个目标教师模型中随机选取的任意目标教师模型；基于预设初始学生模型对生物图像样本进行特征提取，得到第二生物特征；计算第一生物特征与第二生物特征之间的差异，以获取第一损失值；基于第一损失值对预设初始学生模型的模型参数进行调整，得到目标学生模型。
[0008]在另一些可选的示例中，处理单元用于：计算第一生物特征与第二生物特征之间的特征相似度；基于特征相似度确定第一损失值。
[0009]在另一些可选的示例中，处理单元还用于：基于第一目标模型对生物图像进行特
征提取，得到第一目标模型对应的生物特征，第一目标模型是以生物图像样本的生物特征为训练目标，以生物图像样本为训练数据进行迭代训练得到的机器学习模型；计算第一目标模型对应的生物特征与目标类别中心特征之间的第一夹角信息，以及计算第一目标模型对应的生物特征与第一类别中心特征之间的第二夹角信息，目标类别中心特征由第一目标模型对应的生物特征中各个类别的生物特征的特征中心得到，第一类别中心特征与目标类别中心特征不相同；基于第一夹角信息和第二夹角信息确定第二损失值；基于第二损失值对第一目标模型的模型参数进行调整，得到多个目标教师模型。
[0010]在另一些可选的示例中，处理单元还用于：基于预设初始模型对生物图像进行特征提取，得到预设初始模型对应的生物特征；根据预设初始模型对应的生物特征中各个类别的生物特征的特征中心，确定预设初始模型的类别中心特征；基于预设初始模型的类别中心特征和预设初始模型对应的生物特征确定第一概率值，第一概率值为生物图像所属的图片类别的概率；基于第一概率值和第一标签确定第三损失值，第一标签用于指示生物图像的类别标注情况；基于第三损失值对预设初始模型的模型参数进行调整，得到第一目标模型。
[0011]在另一些可选的示例中，处理单元用于：将目标对象的目标生物特征与预设生物特征进行特征比对，以确定识别结果。
[0012]在另一些可选的示例中，处理单元用于发起针对目标对象的图像识别请求；并且，获取单元用于根据所述图像识别请求获取所述目标对象的生物图像。
[0013]在另一些可选的示例中，获取单元用于基于预设摄像装置，根据所述图像识别请求对所述目标对象进行拍摄，以获取所述目标对象的生物图像。
[0014]在另一些可选的示例中，生物图像包括人脸图像。
[0015]本申请实施例第三方面提供了一种识别装置，包括：存储器、输入/输出(I/O)接口和存储器。存储器用于存储程序指令。处理器用于执行存储器中的程序指令，以执行上述第一方面的实施方式对应的图像识别的方法。
[0016]本申请实施例第四方面提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行以执行上述第一方面的实施方式对应的方法。
[0017]本申请实施例第五方面提供了一种包含指令的计算机程序产品，当其在计算机或者处理器上运行时，使得计算机或者处理器执行上述以执行上述第一方面的实施方式对应的方法。
[0018]从以上技术方案可以看出，本申请实施例具有以下优点：
[0019]本申请实施例中，通过多个特征分布相同的目标教师模型对生物图像样本进行知识蒸馏训练得到目标学生模型，进而使用该目标学生模型对生物图像进行特征提取，得到该目标对象的目标生物特征，以此确定出识别结果，该识别结果能够用于指示出目标对象的人脸识别情况。通过上述方式，不依赖于单个教师模型训练学生模型，而是通过多个特征分布相同的教师模型来训练学生模型，使得本申请实施例中训练得到的目标学生模型可以对目标对象的生物图像中的多个采样点进行生物特征提取，能够提高人脸识别的准确度。
附图说明
[0020]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1示出了现有方案中网络优化过程中损失值变化的示意图；
[0022]图2示出了本申请实施例提供的一种应用场景示意图；
[0023]图3示出了本申请实施例提供的图像识别的方法的一种流程图；
[0024]图4示出了本申请实施例提供的目标教师模型的训练流程示意图；
[0025]图5示出了本申请实施例提供的第一目标模型的训练流程示意图；
[0026]图6示出了本申请实施例提供的目标教师模型的另一训练流程示意图；
[0027]图7示出了本申请实施例中提供的目标学生模型的训练示意图；
[0028]图8示出了本申请实施例提供的获取识别模型的示意图；
[0029]图9示出了本申请实施例提供的模型部署的示意图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别的方法，其特征在于，包括：获取目标对象的生物图像；基于多个目标教师模型对生物图像样本进行知识蒸馏训练处理，得到目标学生模型，所述多个目标教师模型中每个所述目标教师模型的特征分布均相同；基于所述目标学生模型对所述目标对象的生物图像进行特征提取处理，得到所述目标对象的目标生物特征；基于所述目标对象的目标生物特征确定识别结果，所述识别结果用于指示所述目标对象的人脸识别情况。2.根据权利要求1所述的方法，其特征在于，基于多个目标教师模型对生物图像样本进行知识蒸馏训练处理，得到目标学生模型，包括：获取所述生物图像样本；基于第一教师模型对所述生物图像样本进行特征提取，得到第一生物特征，其中，所述第一教师模型为从所述多个目标教师模型中随机选取的任意目标教师模型；基于预设初始学生模型对所述生物图像样本进行特征提取，得到第二生物特征；计算所述第一生物特征与所述第二生物特征之间的差异，获取第一损失值；基于所述第一损失值对所述预设初始学生模型的模型参数进行调整，得到所述目标学生模型。3.根据权利要求2所述的方法，其特征在于，所述计算所述第一生物特征与所述第二生物特征之间的差异，以获取第一损失值，包括：计算所述第一生物特征与所述第二生物特征之间的特征相似度；基于所述特征相似度确定所述第一损失值。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：基于第一目标模型对所述生物图像进行特征提取，得到所述第一目标模型对应的生物特征，所述第一目标模型是以所述生物图像样本的生物特征为训练目标，以所述生物图像样本为训练数据进行迭代训练得到的机器学习模型；计算所述第一目标模型对应的生物特征与目标类别中心特征之间的第一夹角信息，以及计算所述第一目标模型对应的生物特征与第一类别中心特征之间的第二夹角信息，所述目标类别中心特征由所述第一目标模型对应的生物特征中各个类别的生物特征的特征中心得到，所述第一类别中心特征与所述目标类别中心特征不相同；基于所述第一夹角信息和所述第二夹角信息确定第二损失值；基于所述第二损失值对所述第一目标模型的模型参数进行调整，得到多个所述目标教师模型。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：基于预设初始模型对所述生物图像进行特征提取，得到所述预设初始模型对应的生物特征；根据所述预设初始模型对应的生物特征中各个类别的生物特征的...

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