【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种人脸识别模型训练方法、装置、电子设备及存储介质。
技术介绍
1、对于大规模人脸识别任务存在两个不容忽视的问题，计算资源和海量数据标注。公开数据中有大量的人脸数据，但是很多数据没有身份信息不能直接用与人脸识别训练任务。如果对这些没有身份信息的人脸数据都进行标注，存在两个问题一是标注任务量大，需要投入大量人力；二是不同时间不同装扮的人脸很难区分，标注容易生成较多杂质，导致人脸识别模型的性能下降。
技术实现思路
1、本专利技术实施例提供一种人脸识别模型训练方法，旨在解决现有人脸识别模型训练中，没有身份信息的人脸数据不能直接用与人脸识别训练任务的问题。通过对有标签人脸样本和无标签人脸样本提取对应的有标签人脸特征和无标签人脸特征，通过有标签人脸特征和无标签人脸特征来构建有标签人脸样本的正类和负类，在训练过程中拉开有标签人脸特征与负类的距离，拉近有标签人脸特征与正类的距离，利用无标签人脸样本增加了有标签人脸样本的负类数量，使得人脸信息在特征空间充分张开，训练好的人脸...
【技术保护点】
1.一种人脸识别模型训练方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的人脸识别模型训练方法，其特征在于，在所述获取人脸数据集以及预训练人脸识别模型之前，所述方法还包括：
3.如权利要求2所述的人脸识别模型训练方法，其特征在于，所述确定出所述有标签人脸样本与所述初始无标签人脸样本之间的样本相似度，包括：
4.如权利要求1所述的人脸识别模型训练方法，其特征在于，所述预训练人脸识别模型包括预训练分类层，所述预训练分类层包括类别权重，每个所述人脸标签值对应一个类别权重，所述确定所述有标签人脸样本的正类和负类，包括：
...【技术特征摘要】
1.一种人脸识别模型训练方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的人脸识别模型训练方法，其特征在于，在所述获取人脸数据集以及预训练人脸识别模型之前，所述方法还包括：
3.如权利要求2所述的人脸识别模型训练方法，其特征在于，所述确定出所述有标签人脸样本与所述初始无标签人脸样本之间的样本相似度，包括：
4.如权利要求1所述的人脸识别模型训练方法，其特征在于，所述预训练人脸识别模型包括预训练分类层，所述预训练分类层包括类别权重，每个所述人脸标签值对应一个类别权重，所述确定所述有标签人脸样本的正类和负类，包括：
5.如权利要求4所述的人脸识别模型训练方法，其特征在于，所述基于所述有标签人脸样本的正类和负类，利用所述有标签人脸特征和所述无标签人脸特征对所述预训练人脸识别模型进行训练，训练完成得到训练好的人脸识别模型，包括：
6.如权利要求5所述人脸识别模型训练方法，其特征在于，所述基于所述正类距离值、第一负类距离值以及第二负类距离值确定所述有标签人脸样本的损失值，并基于所述有标签人脸样本的损失值对所述预训练模型者参数调整，包括：
7.如权利要求所述1至6中任一所述的人脸识别模...
【专利技术属性】
技术研发人员：吴鹏，魏新明，肖嵘，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。