System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种静默活体识别模型训练方法、装置、电子设备及存储介质。
技术介绍
1、人脸静默活体识别是一种通过分析被识别者的人脸图像,判断其是否为真实活体的技术。这种技术在金融、安全和其他领域都有广泛应用。然而,由于伪造攻击的多样性,例如翻拍纸质照片、手机屏照片、电脑屏照片、3d面具等,这种技术面临着巨大的挑战。而且,静默活体识别任务需要关注并提取图片中的诸如屏幕边框、反光、摩尔纹、成像畸变等多种判别性特征,使得传统的深度神经网络难以有效处理这些任务。
2、现有技术中,一种常见的方法是利用深度神经网络对人脸图像进行活体检测。但是,这种方法通常需要收集大量的活体和非活体数据,以训练模型进行区分。然而,非活体数据的类别多样,且往往难以获取充足的数据。因此,尽管现有的深度神经网络模型在一定程度上能够提升人脸静默活体识别的准确率,但由于数据集的不足,仍然无法完全解决静默活体识别的问题。因此,现有的静默活体识别算法存在负类样本数据多样性不足,模型训练效果差,模型结构内部特征之间的融合和优化不够,导致模型识别性能较低,从而降低人脸静默活体识别的准确率。
技术实现思路
1、有鉴于此,本申请实施例提供了一种静默活体识别模型训练方法、装置、电子设备及存储介质,以解决现有技术存在的负类样本数据多样性不足,模型训练效果差,模型识别性能较低,人脸静默活体识别准确率降低的问题。
2、本申请实施例的第一方面,提供了一种静默活体识别模型训练方法,包括:获取真实的活体图像数
3、本申请实施例的第二方面,提供了一种静默活体识别模型训练装置,包括:微调模块,被配置为获取真实的活体图像数据,利用活体图像数据对预设的扩散生成模型的参数进行微调,得到微调后的扩散生成模型;输入模块,被配置为根据预定的多种文本属性,对文本属性进行随机排列组合,得到多种输入文本,将输入文本作为微调后的扩散生成模型的输入;生成模块,被配置为利用微调后的扩散生成模型根据不同的输入文本以及随机种子,生成多种非活体图像,将非活体图像作为负类样本数据;训练模块,被配置为利用预定的多种子模型进行特征拼接和模型构建,得到静默活体识别模型,将负类样本数据以及正类样本数据输入到静默活体识别模型中进行训练,其中,子模型是基于预训练模型的参数进行初始化后得到的深度神经网络模型。
4、本申请实施例的第三方面,提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法的步骤。
5、本申请实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
6、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
7、通过获取真实的活体图像数据,利用活体图像数据对预设的扩散生成模型的参数进行微调,得到微调后的扩散生成模型;根据预定的多种文本属性,对文本属性进行随机排列组合,得到多种输入文本,将输入文本作为微调后的扩散生成模型的输入;利用微调后的扩散生成模型根据不同的输入文本以及随机种子,生成多种非活体图像,将非活体图像作为负类样本数据;利用预定的多种子模型进行特征拼接和模型构建,得到静默活体识别模型,将负类样本数据以及正类样本数据输入到静默活体识别模型中进行训练,其中,子模型是基于预训练模型的参数进行初始化后得到的深度神经网络模型。本申请基于扩散生成模型的负类生成策略来生成大量的负类样本数据,提升负类样本数据的多样性,并且采用多个子模型进行特征拼接构建静默活体识别模型,使模型能够更有效地提取和利用图像中的多种判别性特征,从而提升人脸静默活体识别的准确率。
本文档来自技高网...【技术保护点】
1.一种静默活体识别模型训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述利用所述活体图像数据对预设的扩散生成模型的参数进行微调,得到微调后的扩散生成模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据预定的多种文本属性,对所述文本属性进行随机排列组合,得到多种输入文本,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用所述微调后的扩散生成模型根据不同的所述输入文本以及随机种子,生成多种非活体图像,包括:
5.根据权利要求1所述的方法,其特征在于,所述利用预定的多种子模型进行特征拼接和模型构建,得到静默活体识别模型,包括:
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
7.根据权利要求5至6中任一项所述的方法,其特征在于,所述子模型包括ResNet50结构模型、DenseNet121结构模型和ConNeXt_Small结构模型。
8.一种静默活体识别模型训练装置,其特征在于,包括:
9.一种电子设备,包括存储器,处理器及存储在
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种静默活体识别模型训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述利用所述活体图像数据对预设的扩散生成模型的参数进行微调,得到微调后的扩散生成模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据预定的多种文本属性,对所述文本属性进行随机排列组合,得到多种输入文本,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用所述微调后的扩散生成模型根据不同的所述输入文本以及随机种子,生成多种非活体图像,包括:
5.根据权利要求1所述的方法,其特征在于,所述利用预定的多种子模型进行特征拼接和模型构建,得到静默活体识别模型,包括:
6....
【专利技术属性】
技术研发人员:杨战波,蒋召,
申请(专利权)人:深圳须弥云图空间科技有限公司,
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。