[发明专利]模型训练方法、人脸识别方法、装置、设备及存储介质

说明书

本申请公开了一种模型训练方法，包括：获取训练批数据，训练批数据包括多个训练样本，针对每个训练样本，通过特征提取模块获得样本图像对应的身份特征和年龄特征，并通过典型相关映射模块获得上述特征各自对应的典型相关映射变量；基于每个训练样本对应的典型相关映射变量，通过批相关系数度量模块统计训练批数据对应的相关系数；通过身份判别器和年龄判别器进行联合监督学习，并通过相关系数进行身份特征和年龄特征的去相关性训练，训练得到满足训练目标的特征提取模块。基于去相关性的对抗学习使得特征提取模块识别出的身份特征与年龄特征的相关性极低，从而提高识别精度。本申请还公开了跨年龄人脸识别方法及对应的装置、设备、介质。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型训练方法、一种跨年龄人脸识别方法、装置、设备及存储介质。

背景技术

现阶段，跨年龄人脸识别问题是人脸识别领域面临的重大挑战之一，年龄变化使得人脸图像具有更复杂的多样性，极大增加了人脸识别的难度，跨年龄人脸识别技术仍然处于探索阶段。

现有的跨年龄人脸识别主要采用判别式方案，其主要是基于身份判别和年龄判别的多任务学习来进行的，但，由于身份特征和年龄特征通常具有一定程度上的关联性，如此，身份特征就会包括一些年龄信息，使得人脸识别结果并不可靠。

因此，如何提高跨年龄人脸识别的性能是目前亟需解决的问题。

发明内容

本申请提供了一种模型训练方法，通过分离身份特征和年龄特征，利用身份判别器和年龄判别器进行联合学习以及去相关性训练得到特征提取模块，该特征提取模块对于身份特征和年龄特征具有较高的识别精度，将其用于跨年龄人脸识别，能够提高识别结果可靠性。本申请还提供了对应的装置、设备及介质。

有鉴于此，本申请第一方面提供了一种模型训练方法，所述方法包括：

获取训练批数据，所述训练批数据包括多个训练样本，每个所述训练样本包括样本图像及样本图像对应的身份标签和年龄标签；

针对所述训练批数据中每个所述训练样本，通过特征提取模块获得所述训练样本中样本图像对应的身份特征和年龄特征，并通过典型相关映射模块获得所述身份特征和所述年龄特征各自对应的典型相关映射变量；

基于所述训练批数据中每个所述训练样本对应的所述典型相关映射变量，通过批相关系数度量模块统计所述训练批数据对应的相关系数；

通过身份判别器和年龄判别器进行联合监督学习，并通过所述相关系数进行所述身份特征和所述年龄特征的去相关性训练，训练得到满足训练目标的所述特征提取模块。

本申请第二方面提供了一种跨年龄人脸识别方法，所述方法包括：

获取第一人脸图像和第二人脸图像；

通过预先训练的特征提取模块获取所述第一人脸图像中人脸部分的身份特征作为第一身份特征，并通过所述特征提取模块获取所述第二人脸图像中人脸部分的身份特征作为第二身份特征；所述特征提取模块为通过上述第一方面所述模型训练方法训练生成的；

根据所述第一身份特征和所述第二身份特征确定所述第一人脸图像与所述第二人脸图像中人脸的相似度；

显示识别结果，所述识别结果包括所述相似度。

本申请第三方面提供了一种模型训练装置，所述装置包括：

获取单元，用于获取训练批数据，所述训练批数据包括多个训练样本，每个所述训练样本包括样本图像及样本图像对应的身份标签和年龄标签；

分析单元，用于针对所述训练批数据中每个所述训练样本，通过特征提取模块获得所述训练样本中样本图像对应的身份特征和年龄特征，并通过典型相关映射模块获得所述身份特征和所述年龄特征各自对应的典型相关映射变量；