[发明专利]模型生成方法和装置

说明书

本申请实施例公开了模型生成方法和装置。该方法的一具体实施方式包括：获取训练样本集，训练样本集包括样本人脸图像和样本人脸图像的标注信息；通过训练操作对人脸识别模型对应的神经网络进行训练，得到人脸识别模型；训练操作包括：利用人脸识别模型对应的神经网络对样本人脸图像进行人脸识别，得到样本人脸图像所包含的人脸所属用户对象的预测结果，基于样本人脸图像的预测结果与样本人脸图像的标注信息之间的差异，迭代调整人脸识别模型对应的神经网络的参数值，以使对样本人脸图像的预测结果与对样本人脸图像的标注信息之间的差异满足预设的收敛条件。该实施方式提升了生成的人脸识别模型的可靠性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及模型生成方法和装置。

背景技术

人脸识别在公共安全、智能监控、数字身份认证、电子商务、多媒体和数字娱乐等多领域都具有巨大的应用价值和广泛的应用市场。经过长时间的研究，人脸识别已经取得了长足的发展与进步，以“人脸”为对象的计算机视觉研究已经成为一个及其重要、研究方向众多并有着广泛应用于前景的学术和科技领域。

常用的人脸识别技术中，需要采集可见光环境下的人脸图像，而可见光人脸图像容易受到环境光变化的影响，在识别之前需要采用一些预处理算法对光照的影响进行处理。此外可见光下采集的人脸可能被眼镜、口罩等遮挡物遮挡，采集到的可见光人脸图像会损失一部分特征，由此造成人脸识别精度下降。

发明内容

本申请实施例提出了模型生成方法和装置。

第一方面，本申请实施例提供了一种模型生成方法，包括：获取训练样本集，训练样本集包括样本人脸图像和样本人脸图像的标注信息，样本人脸图像包括可见光人脸图像和红外人脸图像，样本人脸图像的标注信息用于指示对应的样本人脸图像所包含的人脸所属的用户对象；通过训练操作对人脸识别模型对应的神经网络进行训练，得到人脸识别模型；训练操作包括：利用人脸识别模型对应的神经网络对样本人脸图像进行人脸识别，得到样本人脸图像所包含的人脸所属用户对象的预测结果，基于样本人脸图像的预测结果与样本人脸图像的标注信息之间的差异，迭代调整人脸识别模型对应的神经网络的参数值，以使对样本人脸图像的预测结果与对样本人脸图像的标注信息之间的差异满足预设的收敛条件。

在一些实施例中，上述利用人脸识别模型对应的神经网络对样本人脸图像进行人脸识别，得到样本人脸图像所包含的人脸所属用户对象的预测结果，包括：基于训练样本集构建由可见光人脸图像和红外人脸图像构成的样本图像对；基于样本图像对中的可见光人脸图像和红外人脸图像的标注信息确定样本图像对的标注信息，样本图像对的标注信息用于指示样本图像对中的可见光人脸图像和红外人脸图像所包含的人脸是否属于同一用户对象；将样本图像对输入人脸识别模型对应的神经网络，得到样本图像对所包含的人脸所属用户对象的预测结果；以及上述基于样本人脸图像的预测结果与样本人脸图像的标注信息之间的差异，迭代调整人脸识别模型对应的神经网络的参数值，以使对样本人脸图像的预测结果与对样本人脸图像的标注信息之间的差异满足预设的收敛条件，包括：基于样本图像对所包含的人脸所属用户对象的预测结果确定样本图像对中的图像所包含的人脸是否属于同一用户对象的预测结果，基于样本图像对中的图像所包含的人脸是否属于同一用户对象的预测结果和样本图像对的标识信息之间的差异，迭代调整人脸识别模型对应的神经网络的参数，以使对样本图像对的预测结果与对样本图像对的标注信息之间的差异满足预设的收敛条件。

在一些实施例中，上述将样本图像对输入人脸识别模型对应的神经网络，得到样本图像对所包含的人脸所属用户对象的预测结果，包括：将样本图像对中的可见光人脸图像和红外人脸图像的各颜色通道的图像数据相连接，得到连接后的图像数据；利用待训练的人脸识别模型对应的神经网络对连接后的图像数据进行特征提取和分类，得到样本图像对所包含的人脸所属用户对象的预测结果。