[发明专利]人脸识别模型的训练方法、装置、设备和存储介质

权利要求书

1.一种人脸识别模型的训练方法，其特征在于，包括：

获取多批样本图像，每批样本图像中包括多张遮挡人脸图像；

针对每张遮挡人脸图像，将所述遮挡人脸图像进行划分，得到多个图像块，所述多个图像块中包括遮挡区域对应的图像块和非遮挡区域对应的图像块；

对每个图像块进行特征提取，得到每个图像块的第一图像特征；

基于所述每个图像块的第一图像特征，通过自注意力机制进行关系抽取，得到所述遮挡人脸图像的目标图像特征，其中，所述遮挡区域对应的图像块和所述非遮挡区域对应的图像块之间的注意力值为0；

基于所述目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，所述人脸识别模型用于对目标遮挡人脸图像进行识别。

2.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述基于所述目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，包括：

将每批样本图像各自对应的所述目标图像特征输入所述初始人脸识别模型中的共享分类网络中，以确定第一损失信息；

基于每批样本图像各自对应的所述目标图像特征进行类内样本图像的关系学习，得到类聚合特征，其中，同一类内样本图像中的遮挡人脸图像对应同一个用户；

基于所述类聚合特征，确定第二损失信息；

基于所述第一损失信息和所述第二损失信息，对所述初始人脸识别模型进行训练，得到所述人脸识别模型。

3.根据权利要求2所述的人脸识别模型的训练方法，其特征在于，所述获取多批样本图像，包括：

采用随机采样和类内采样的方式，从原始样本图像集中获取每批样本图像。

4.根据权利要求3所述的人脸识别模型的训练方法，其特征在于，所述基于每批样本图像各自对应的所述目标图像特征进行类内样本图像的关系学习，得到类聚合特征，包括：

基于每批样本图像各自对应的所述目标图像特征，通过该批样本图像对应的批自注意力机制确定所述类聚合特征，其中，非类内样本图像之间的注意力值为0。

5.根据权利要求1-4任一项所述的人脸识别模型的训练方法，其特征在于，所述基于所述每个图像块的第一图像特征，通过自注意力机制进行关系抽取，得到所述遮挡人脸图像的目标图像特征，包括：

基于所述每个图像块的第一图像特征，通过自注意力机制进行关系抽取，得到每个图像块的更新后的图像特征；

将所述每个图像块的更新后的图像特征进行组合，得到所述目标图像特征。

6.一种人脸识别方法，其特征在于，包括：

获取待识别的遮挡人脸图像；

将所述遮挡人脸图像进行预处理，得到目标遮挡人脸图像；

将所述目标遮挡人脸图像输入至人脸识别模型中，得到所述遮挡人脸图像的识别结果，所述识别结果包括识别成功或识别失败，所述人脸识别模型为基于如权利要求1-5任一项所述的人脸识别模型的训练方法训练得到的。

7.一种人脸识别模型的训练装置，其特征在于，包括：

获取模块，用于获取多批样本图像，每批样本图像中包括多张遮挡人脸图像；

划分模块，用于针对每张遮挡人脸图像，将所述遮挡人脸图像进行划分，得到多个图像块，所述多个图像块中包括遮挡区域对应的图像块和非遮挡区域对应的图像块；

提取模块，用于对每个图像块进行特征提取，得到每个图像块的第一图像特征；

关系抽取模块，用于基于所述每个图像块的第一图像特征，通过自注意力机制进行关系抽取，得到所述遮挡人脸图像的目标图像特征，其中，所述遮挡区域对应的图像块和所述非遮挡区域对应的图像块之间的注意力值为0；

训练模块，用于基于所述目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，所述人脸识别模型用于对目标遮挡人脸图像进行识别。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述人脸识别模型的训练方法，以及如实现如权利要求6所述人脸识别方法。