[发明专利]学生模型训练方法、图片处理方法、装置及电子设备

说明书

本公开提供了一种学生模型训练方法、图片处理方法、装置及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：确定不同场景的样本图片输入至对应场景的教师模型，得到各个场景下的样本图片的教师特征，教师模型的数量至少包括两个；以及将不同场景的样本图片输入至学生模型，确定各个场景下的样本图片的学生特征；然后基于各个场景下的样本图片的教师特征、各个场景下的样本图片的学生特征，以及预定的损失函数，训练学生模型。即通过至少两个不同场景下的教师模型训练学生模型，从而能够提升训练的学生模型的在不同场景下的泛化能力，使得训练的学生模型在不同场景下都能保持一定的精确性。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。

背景技术

目前训练的神经网络模型很难同时在不同的场景下都保持一个很高的识别精度，如人脸识别模型，由于不同场景人脸特征差异较大，现有人脸模型很难保持良好的泛化性。

发明内容

本公开提供了一种学生模型训练方法、图片处理方法、装置及电子设备。

根据本公开的第一方面，提供了一种学生模型训练方法，包括：

确定不同场景的样本图片输入至对应场景的教师模型，得到各个场景下的样本图片的教师特征，教师模型的数量至少包括两个；

以及将不同场景的样本图片输入至学生模型，确定各个场景下的样本图片的学生特征；

基于各个场景下的样本图片的教师特征、各个场景下的样本图片的学生特征，以及预定的损失函数，训练学生模型。

根据本公开的第二方面，提供了一种图像处理方法，包括：

确定待处理目标图片；

将待处理目标图片输入至第一方面训练好的学生模型，进行相应的处理。

根据本公开的第三方面，提供了一种学生模型训练装置，包括：

第一确定模块，用于确定不同场景的样本图片输入至对应场景的教师模型，得到各个场景下的样本图片的教师特征，教师模型的数量至少包括两个；

第二确定模块，用于将不同场景的样本图片输入至学生模型，确定各个场景下的样本图片的学生特征；

训练模块，用于基于各个场景下的样本图片的教师特征、各个场景下的样本图片的学生特征，以及预定的损失函数，训练学生模型。

根据本公开的第四方面，提供了一种图片处理装置，包括：

第五确定模块，用于确定待处理目标图片；

输入处理模块，用于将待处理目标图片输入至第一方面训练好的学生模型，进行相应的处理。

根据本公开的第五方面，提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与上述至少一个处理器通信连接的存储器；其中，

存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。

本公开提供的技术方案带来的有益效果是：