[发明专利]人脸图像识别方法、装置、电子设备及存储介质

说明书

本公开涉及一种人脸图像识别方法、装置、电子设备及存储介质，其中，所述方法包括：获得多个人脸图像；对所述多个人脸图像进行特征提取，得到所述多个人脸图像分别对应的多个特征向量；根据所述多个特征向量得到多个待识别的目标对象；对所述多个待识别的目标对象进行评估，得到所述多个人脸图像的类别。采用本公开，对海量未标注标签的数据，可以实现聚类以实现人脸识别。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种人脸图像识别方法、装置、电子设备及存储介质。

背景技术

相关技术中，当输入的数据有标签时，则聚类处理为有监督聚类；当输入的数据没有标签时，则进行的聚类处理为无监督聚类。大多数的聚类方法是无监督聚类，聚类效果并不好。

对于人脸识别的应用场景，海量的人脸数据大多是没有标签的。针对海量未标注标签的数据，如何实现聚类以实现人脸识别，是要解决的技术问题。

发明内容

本公开提出了一种人脸图像识别技术方案。

根据本公开的第一方面，提供了一种人脸图像识别方法，所述方法包括：

获得多个人脸图像；

对所述多个人脸图像进行特征提取，得到所述多个人脸图像分别对应的多个特征向量；

根据所述多个特征向量得到多个待识别的目标对象；

对所述多个待识别的目标对象进行评估，得到所述多个人脸图像的类别。

在可能的实现方式中，所述对所述多个人脸图像进行特征提取，得到所述多个人脸图像分别对应的多个特征向量，包括：

根据特征提取网络对所述多个人脸图像进行特征提取，得到所述多个人脸图像分别对应的多个特征向量。

在可能的实现方式中，所述根据所述多个特征向量得到多个待识别的目标对象，包括：

根据特征提取网络和所述多个特征向量，得到人脸关系图；

对所述人脸关系图进行聚类处理后得到所述多个待识别的目标对象。

在可能的实现方式中，所述特征提取网络还包括自学习的过程。

在可能的实现方式中，还包括：所述特征提取网络根据第一损失函数进行反向传播，得到自学习后的特征提取网络；根据所述自学习后的特征提取网络对所述人脸关系图进行聚类处理，得到所述多个待识别的目标对象。

在可能的实现方式中，对所述多个待识别的目标对象进行评估，得到多个人脸图像的类别，包括：

根据聚类评估参数对所述多个待识别的目标对象进行评估，得到多个人脸图像的类别。

在可能的实现方式中，根据聚类评估参数对所述多个待识别的目标对象进行评估，得到多个人脸图像的类别，包括：

在聚类网络中根据聚类评估参数对所述多个待识别的目标对象进行评估，得到所述多个人脸图像的类别。

在可能的实现方式中，在聚类网络中根据聚类评估参数对所述多个待识别的目标对象进行评估，得到多个人脸图像的类别，包括：

根据所述聚类网络对所述聚类评估参数进行校正，得到校正后的聚类评估参数；

根据所述校正后的聚类评估参数对所述多个待识别的目标对象进行评估，得到多个人脸图像的类别。

在可能的实现方式中，所述聚类网络还包括根据所述聚类网络的第二损失函数进行反向传播，得到自学习后的聚类网络；

根据所述自学习后的聚类网络对所述聚类评估参数进行校正，得到校正后的聚类评估参数；