人脸属性检测优化方法技术

本申请公开了一种人脸属性检测优化方法

【技术实现步骤摘要】
人脸属性检测优化方法、装置、设备、存储介质及产品


[0001]本申请涉及金融科技
(Fintech)
的人工智能
，尤其涉及一种人脸属性检测优化方法
、
装置
、
设备
、
存储介质及程序产品
。

技术介绍

[0002]随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术
(
如分布式
、
人工智能等
)
应用在金融领域，但金融业也对技术提出了更高的要求
。
[0003]对人脸图像进行属性检测是一种应用非常广泛的功能，它是指根据人脸图片判断出人的一些属性，常见的属性检测包括年龄检测
、
性别检测
、
皮肤检测
、
口罩检测等
。
当前，使用联邦学习技术进行联邦建模，可以有效利用各方的数据进行模型训练，更好地实现对人脸图像进行属性检测
。
然而，不同机构对人脸图像进行属性检测有不同的需求，且不同机构的设备条件也不同，在此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人脸属性检测优化方法，其特征在于，所述人脸属性检测优化方法应用于联邦学习系统中的多个第一设备中的任一个，所述第一设备上部署有个性特征提取模型
、
共性特征提取模型以及属性检测模型；所述人脸属性检测优化方法包括以下步骤：获取训练样本人脸图像和属性标签；根据所述训练样本人脸图像和所述属性标签对所述个性特征提取模型
、
所述共性特征提取模型以及所述属性检测模型进行本地模型训练，确定所述共性特征提取模型对应的本地模型更新数据；将所述本地模型更新数据发送至第二设备，以供所述第二设备对各所述第一设备发送的各所述本地模型更新数据进行聚合，得到全局模型更新数据，并将所述全局模型更新数据发送至各所述第一设备；接收所述第二设备发送的全局模型更新数据，基于所述全局模型更新数据更新所述共性特征提取模型，返回执行所述获取训练样本人脸图像和属性标签的步骤，直至满足预设联邦训练结束条件
。2.
如权利要求1所述的人脸属性检测优化方法，其特征在于，所述根据所述训练样本人脸图像和所述属性标签对所述个性特征提取模型
、
所述共性特征提取模型以及所述属性检测模型进行本地模型训练，确定所述共性特征提取模型对应的本地模型更新数据的步骤包括：通过所述个性特征提取模型对所述训练样本人脸图像进行特征提取，得到个性训练样本特征，并通过所述共性特征提取模型对所述训练样本人脸图像进行特征提取，得到共性训练样本特征；将所述个性训练样本特征和所述共性训练样本特征输入所述属性检测模型，得到属性检测训练结果；根据所述属性检测训练结果和所述属性标签，确定所述属性检测模型的模型损失；基于所述属性检测模型的模型损失更新所述个性特征提取模型以及所述属性检测模型，并基于所述属性检测模型的模型损失确定所述共性特征提取模型对应的本地模型更新数据
。3.
如权利要求2所述的人脸属性检测优化方法，其特征在于，所述本地模型更新数据包括所述共性特征提取模型对应的第二梯度，所述全局模型更新数据包括全局模型梯度；所述基于所述属性检测模型的模型损失更新所述个性特征提取模型以及所述属性检测模型，并基于所述属性检测模型的模型损失确定所述共性特征提取模型对应的本地模型更新数据的步骤包括：根据所述属性检测模型的模型损失确定所述个性特征提取模型对应的第一梯度
、
所述共性特征提取模型对应的第二梯度以及所述属性检测模型对应的第三梯度；基于所述第一梯度更新所述个性特征提取模型，并基于所述第三梯度更新所述属性检测模型；所述将所述本地模型更新数据发送至第二设备，以供所述第二设备对各所述第一设备发送的各所述本地模型更新数据进行聚合，得到全局模型更新数据，并将所述全局模型更新数据发送至各所述第一设备的步骤包括：将所述第二梯度发送至第二设备，以供所述第二设备对各所述第一设备发送的各所述
第二梯度进行聚合，得到全局模型梯度，并将所述全局模型梯度发送至各所述第一设备；所述接收所述第二设备发送的全局模型更新数据，基于所述全局模型更新数据更新所述共性特征提取模型的步骤包括：接收所述第二设备发送的全局模型梯度，基于所述全局模型梯度更新所述共性特征提取模型
。4.
如权利要求2所述的人脸属性检测优化方法，其特征在于，所述基于所述属性检测模型的模型损失更新所述个性特征提取模型以及所述属性检测模型，并基于所述属性检测模型的模型损失确定所述共性特征提取模型对应的本地模型更新数据的步骤包括：基于所述属性检测模型的模型损失更新所述个性特征提取模型
、
所述属性检测模型以及所述共性特征提取模型；将更新后的所述共性特征提取模型的模型参数确定为所述共性特征提取模型对应的本地模型更新数据
。5.
如权利要求2所述的人脸属性检测优化方法，其特征在于，所述个性特征提取模型包括图像个性特征提取模型以及至少一个多模态个性特征提取模型，所述个性训练样本特征包括图像个性训练样本特征至少一个多模态个性训练样本特征；所述通过所述个性特征提取模型对所述训练样本人脸图像进行特征提取，得到个性训练样本特征的步骤包括：获取至少一个模态的训练样本多模态数据；根据模态与多模态个性特征提取模型之间...

【专利技术属性】
技术研发人员：黄安埠，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：