[发明专利]人脸识别模型的训练方法、装置、计算机设备及存储介质

说明书

本申请涉及生物识别技术，尤其涉及人脸识别，提供了一种人脸识别模型的训练方法、装置、计算机设备及可读存储介质，通过在带标签样本集上进行监督训练得到预训练模型；根据预训练模型从无标签样本集中剔除重叠样本得到去重无标签样本集；对去重无标签样本集的样本分配伪标签得到伪标签样本集；根据带标签样本集的样本及所述伪标签样本集的样本对人脸识别模型进行训练，得到预测模型。本申请通过针对重叠样本的相关处理，降低了标签噪音的影响，提高了得到的训练模型的准确性，可以更有利地利用无标签样本提升得到的训练模型的性能。本申请还涉及区块链技术，得到的预测模型可以存储于区块链中。

技术领域

本申请涉及生物识别技术，尤其涉及人脸识别领域，具体涉及一种人脸识别模型的训练方法、装置、计算机设备及可读存储介质。

背景技术

半监督学习是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。半监督学习的特点是同时使用未标记的无标签样本以及标记的带标签样本来进行模式识别训练。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性，因此，半监督学习正越来越受到人们的重视。

例如，人脸识别应用在大规模标签数据中的应用已经较为成熟，但数据的标签需要人工注释，成本高、效率低。因此，利用无标签样本来进一步提升人脸识别的性能成为当前人脸识别的研究重点。在大规模的人脸识别中，利用无标签样本和带标签样本一起对人脸识别模型进行训练时，往往会遇到部分无标签样本与带标签样本来自同一身份的人情况，从而导致明显的标记噪音，影响学习得到的人脸识别模型的性能。

发明内容

本申请提供了一种人脸识别模型的训练方法、装置、计算机设备及可读存储介质，能够在训练中利用无标签样本集进行训练，且可以降低无标签样本集与带标签样本集之间样本重叠造成的标签噪音，提高了训练的准确性，可提高训练所得的人脸识别模型的性能。

第一方面，本申请提供了一种人脸识别模型的训练方法，其特征在于，所述方法包括：

在带标签样本集上进行监督训练得到预训练模型，所述带标签样本集包括已被标记标签的人脸样本；

根据所述预训练模型从无标签样本集中剔除重叠样本得到去重无标签样本集，所述无标签样本集包括未被标记标签的人脸样本，所述重叠样本为所述无标签样本集中与所述带标签样本集的样本有相同对象的样本；

对所述去重无标签样本集的样本分配伪标签得到伪标签样本集；

根据所述带标签样本集的样本及所述伪标签样本集的样本对人脸识别模型进行训练，得到预测模型。

第二方面，提供了一种人脸识别模型的训练装置，其特征在于，所述装置包括：

预训练模块，用于在带标签样本集上进行监督训练得到预训练模型，所述带标签样本集包括已被标记标签的人脸样本；

样本去重模块，用于根据所述预训练模型从无标签样本集中剔除重叠样本得到去重无标签样本集，所述无标签样本集包括未被标记标签的人脸样本，所述重叠样本为所述无标签样本集中与所述带标签样本集的样本有相同对象的样本；

伪标签分配模块，用于对所述去重无标签样本集的样本分配伪标签得到伪标签样本集；

识别模型训练模块，用于根据所述带标签样本集的样本及所述伪标签样本集的样本对人脸识别模型进行训练，得到预测模型。

第三方面，本申请提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现上述的人脸识别模型的训练方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，若所述计算机程序被处理器执行，实现上述的人脸识别模型的训练方法。