[发明专利]模型训练方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取验证集数据以及预设批次的训练集数据，其中各个批次的训练集数据之间的图像动漫风格化程度不同；

利用所述验证集数据对真实人脸识别模型进行剪枝处理，获得初始动漫人脸检测模型；

分别利用各个批次的所述训练集数据，对所述初始动漫人脸检测模型进行训练，获得动漫人脸检测模型。

2.根据权利要求1所述的方法，其特征在于，获取预设批次的训练集数据，包括：

将真实人脸数据循环输入至动漫人脸生成模型进行训练，根据循环次数的不同分别获取各个批次的训练集数据。

3.根据权利要求1所述的方法，其特征在于，所述利用所述验证集数据对真实人脸识别模型进行剪枝处理，获得初始动漫人脸检测模型，包括：

利用所述验证集数据将所述真实人脸识别模型训练至模型收敛，获得第一模型；

利用所述验证集数据将所述真实人脸识别模型训练N次，每次训练所述验证集数据至模型收敛，获得N个第二模型，其中，在每次训练过程中随机去除每层卷积中的部分参数；

将N个所述第二模型中的目标第二模型，确定为所述初始动漫人脸检测模型；其中，在各个第二模型中，所述目标第二模型与所述第一模型的平均精度均值最相近；

其中，N为正整数。

4.根据权利要求1所述的方法，其特征在于，分别利用各个批次的所述训练集数据，对所述初始动漫人脸检测模型进行训练，获得动漫人脸检测模型，包括：

根据图像动漫风格化程度由低到高的顺序，依次利用各个批次的所述训练集数据，对所述初始动漫人脸检测模型进行训练，获得动漫人脸检测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据图像动漫风格化程度由低到高的顺序，依次利用各个批次的所述训练集数据，对所述初始动漫人脸检测模型进行训练，获得动漫人脸检测模型，包括：

将图像动漫风格化程度为最低等级的第一批次的训练集数据，输入所述初始动漫人脸检测模型进行训练至收敛，获得第三模型；

利用所述验证集数据对所述第三模型进行测试；

在所述第三模型的平均精度均值大于或等于第一阈值的情况下，将第一批次之后各批次的训练集数据，按照图像动漫风格化程度由低到高的顺序，依次输入前一批次的训练集数据对应的动漫人脸检测模型中训练至收敛，获得所述动漫人脸检测模型。

6.根据权利要求5所述的方法，其特征在于，所述根据图像动漫风格化程度由低到高的顺序，依次利用各个批次的所述训练集数据，对所述初始动漫人脸检测模型进行训练，获得动漫人脸检测模型，还包括：

在将第一批次之后各批次的训练集数据，按照图像动漫风格化程度由低到高的顺序，依次输入前一批次的训练集数据对应的动漫人脸检测模型中训练至收敛的过程中，利用所述验证集数据对各批次训练集数据获得的模型进行测试；

在每个批次的训练集数据对应的模型的MAP均达到与该批次对应的目标阈值，且预设批次的所述训练集数据全部训练完成的情况下，将图像动漫风格化程度最高的训练集数据对应的模型确定为所述动漫人脸检测模型。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在目标批次的训练集数据对应的模型的MAP小于与所述目标批次对应的目标阈值的情况下，重新获取所述目标批次的训练集数据，或者调整与所述目标批次对应的目标模型的学习率。

8.根据权利要求7所述的方法，其特征在于，在所述目标模型的梯度小于第一值的情况下，重新获取所述目标批次的训练集数据；

在所述目标模型的梯度大于或者等于第一值的情况下，调整与所述目标批次对应的目标模型的学习率。