[发明专利]模型生成方法、装置、电子设备及存储介质

权利要求书

1.一种模型生成方法，包括：

在执行第i次迭代操作的过程中，基于第i个模型编码生成器得到第i个待训练的模型，基于第i个延时惩罚编码生成器得到第i个延时惩罚策略；其中，i为大于等于1的整数；

对所述第i个待训练的模型进行训练得到收敛的模型，确定是否将收敛的模型作为搜索得到的目标模型；

其中，确定是否将收敛的模型作为搜索得到的目标模型，包括：

若迭代操作的累计次数达到预设阈值N，则确定所述收敛的模型为搜索得到的目标模型；其中，N为大于等于2的整数；

若迭代操作的累计次数未达到预设阈值N，则确定所述收敛的模型所对应的第i个性能奖励值，以及基于所述第i个延时惩罚策略确定所述收敛的模型的第i个延时奖励值；基于所述第i个性能奖励值以及第i个所述延时奖励值，对第i个模型编码生成器和/或第i个延时惩罚编码生成器进行更新，得到第i+1个模型编码生成器和/或第i+1个延时惩罚编码生成器。

2.根据权利要求1所述的方法，其中，所述基于第i个模型编码生成器得到第i个待训练的模型，包括：

基于所述第i个模型编码生成器生成第i个模型编码；

基于模型搜索空间对所述第i个模型编码进行解码，得到第i个待训练的模型。

3.根据权利要求1所述的方法，其中，所述基于第i个延时惩罚编码生成器得到第i个延时惩罚策略，包括：

基于所述第i个延时惩罚编码生成器生成第i个延时惩罚编码；

基于延时惩罚编码搜索空间对所述第i个延时惩罚编码进行解码，得到第i个延时惩罚策略。

4.根据权利要求1所述的方法，其中，所述基于所述第i个性能奖励值以及第i个所述延时奖励值，对第i个模型编码生成器和/或第i个延时惩罚编码生成器进行更新，得到第i+1个模型编码生成器和/或第i+1个延时惩罚编码生成器，还包括：

若i等于1，则将所述第i个性能奖励值以及第i个所述延时奖励值进行叠加得到第i次奖励值叠加结果；

基于第i次奖励值叠加结果对第i个模型编码生成器进行更新，得到第i+1个模型编码生成器；其中，所述第i+1个模型编码生成器用于执行第i+1次迭代操作。

5.根据权利要求1所述的方法，其中，所述基于所述第i个性能奖励值以及第i个所述延时奖励值，对第i个模型编码生成器和/或第i个延时惩罚编码生成器进行更新，得到第i+1个模型编码生成器和/或第i+1个延时惩罚编码生成器，还包括：

若i大于1，则将所述第i个性能奖励值以及第i个所述延时奖励值进行叠加得到第i次奖励值叠加结果；

基于第i次奖励值叠加结果对第i个模型编码生成器进行更新，得到第i+1个模型编码生成器；

基于第i次奖励值叠加结果、以及第i-1次奖励值叠加结果，对第i个延时惩罚编码生成器进行更新，得到第i+1个延时惩罚编码生成器；

其中，所述第i+1个模型编码生成器、以及第i+1个延时惩罚编码生成器用于执行第i+1次迭代操作。

6.根据权利要求1-5任一项所述的方法，其中，所述方法还包括：

获取待识别人脸图像；其中，所述待识别人脸图像中的部分人脸区域处于遮挡状态；

基于所述目标模型以及所述待识别人脸图像，得到人脸图像的识别结果。