[发明专利]图像识别模型的训练方法、装置、存储介质和电子设备

说明书

本申请公开一种图像识别模型的训练方法、装置、存储介质和电子设备，所述训练方法包括：将第一图像样本数据和第二图像样本数据输入到图像识别模型中进行训练，获取与所述第一图像样本数据对应的第一预测特征数据，以及与所述第二图像样本数据对应的第二预测特征数据；根据所述第一预测特征数据与预期特征数据，确定第一损失数据；根据所述第二预测特征数据与所述预期特征数据，确定第二损失数据；根据所述第二预测特征数据和所述第一预测特征数据，确定第三损失数据；将所述第一损失数据、所述第二损失数据和所述第三损失数据作为综合损失数据，确定所述图像识别模型是否收敛；从使得训练的图像识别模型具有变换不变性。

技术领域

本申请涉及计算机图像处理应用技术领域，具体涉及一种图像识别模型的训练方法和装置。本申请同时涉及一种面部识别方法和装置，以及一种计算机存储介质和电子设备。

背景技术

图像识别被广泛应用在各个行业，例如：人脸识别、无人驾驶、工业视觉、城市交通、医疗诊断等。

在图像识别领域由于深度学习模型的高度不确定性，使得训练得到的模型不具备变换不变性。例如同一个人脸图像，进行整体一个像素的平移后，识别得到的结果与平移前人脸图像的识别结果存在差异。

发明内容

本申请提供一种图像识别模型的训练方法，以解决现有技术中图像在变换后识别结果与变换前的识别结果存在差异的问题。

本申请提供一种图像识别模型的训练方法，包括：

将第一图像样本数据和第二图像样本数据输入到图像识别模型中进行训练，获取与所述第一图像样本数据对应的第一预测特征数据，以及与所述第二图像样本数据对应的第二预测特征数据；其中，所述第二图像样本数据为基于所述第一图像样本数据进行图像变换后的样本数据；

根据所述第一预测特征数据与预期特征数据，确定第一损失数据；

根据所述第二预测特征数据与所述预期特征数据，确定第二损失数据；

根据所述第二预测特征数据和所述第一预测特征数据，确定第三损失数据；

将所述第一损失数据、所述第二损失数据和所述第三损失数据作为综合损失数据，确定所述图像识别模型是否收敛。

在一些实施例中，所述根据所述第二预测特征数据和所述第一预测特征数据，确定第三损失数据，包括：

将所述第二预测特征数据和所述第一预测特征数据之间差值的平方，确定为所述第三损失数据。

在一些实施例中，所述将所述第一损失数据、所述第二损失数据和所述第三损失数据作为综合损失数据，确定所述图像识别模型是否收敛，包括：

设置所述第一损失数据、所述第二损失数据和所述第三损失数据中至少一种损失数据的权重数据；

根据所述第一损失数据、所述第二损失数据和所述第三损失数据，以及所述权重数据，确定所述综合损失数据；

根据所述综合损失数据确定所述图像识别模型是否收敛。

在一些实施例中，还包括：

确定所述图像识别模型中，模型参数的正则化损失数据；

所述将所述第一损失数据、所述第二损失数据和所述第三损失数据作为综合损失数据，确定所述图像识别模型是否收敛，包括：

将所述第一损失数据、所述第二损失数据、所述第三损失数据以及所述正则化损失数据，确定为所述综合损失数据；

根据所述综合损失数据，确定所述图像识别模型是否收敛。

在一些实施例中，所述将所述第一损失数据、所述第二损失数据和所述第三损失数据作为综合损失数据，确定所述图像识别模型是否收敛，包括：