人脸选优模型的训练方法、装置和计算机可读介质与流程

技术特征：
1.一种人脸选优模型的训练方法，包括以下步骤：获取人脸图像数据库和人脸特征图数据库，并选取人脸图像数据库中的人脸图像输入人脸识别模型；获取所述人脸识别模型的输出量与所述人脸特征图数据库进行匹配的结果；根据所述匹配的结果确定所述人脸选优模型的训练数据；基于所述训练数据对所述人脸选优模型进行训练。2.根据权利要求1所述的人脸选优模型的训练方法，其特征在于，所述人脸识别模型的输出量与所述人脸特征图数据库进行匹配的结果包括，所述人脸图像的id是否匹配正确和所述人脸图像的匹配度是否达到或大于设定阈值。3.根据权利要求2所述的人脸选优模型的训练方法，其特征在于，根据所述匹配的结果确定所述人脸选优模型的训练数据包括：将所述人脸图像的id匹配正确且所述人脸图像的匹配度达到或大于设定阈值的人脸图像作为正例训练数据；将所述人脸图像的id匹配正确但所述人脸图像的匹配度未达到设定阈值的人脸图像作为负例训练数据；将所述人脸图像的id匹配错误且所述人脸图像的匹配度达到或大于设定阈值的人脸图像作为负例训练数据；将所述人脸图像的id匹配错误但所述人脸图像的匹配度未达到设定阈值的人脸图像作为负例训练数据。4.根据权利要求1所述的人脸选优模型的训练方法，其特征在于，基于所述训练数据对所述人脸选优模型进行训练包括：基于正例训练数据和负例训练数据对所述人脸选优模型进行训练。5.根据权利要求2所述的人脸选优模型的训练方法，其特征在于，所述人脸图像的id匹配的过程包括：基于所述人脸特征图数据库，将输入的所述人脸图像与所述人脸特征图数据库中的图像进行匹配；获得所述人脸特征图数据库中的图像与输入的所述人脸图像的匹配度最高的人脸图像；检测所述匹配度最高的人脸图像的id与输入的所述人脸图像的id是否相同。6.根据权利要求2所述的人脸选优模型的训练方法，其特征在于，所述匹配度的数值通过匹配算法得出。7.根据权利要求1所述的人脸选优模型的训练方法，其特征在于，还包括，通过对称交叉熵方式确定所述人脸选优模型的损失函数，并基于所述损失函数对所述人脸选优模型进行优化。8.根据权利要求7所述的人脸选优模型的训练方法，其特征在于，所述损失函数包括对称交叉熵ι
sce
＝αι
ce
βι
rce
其中，交叉熵相反交叉熵α和β为超参数，p
为预测值，q为标签值，k为训练数据的批量数。9.根据权利要求1所述的人脸选优模型的训练方法，其特征在于，所述人脸选优模型包括卷积神经网络。10.一种人脸选优模型的训练装置，包括：存储器，用于存储可由处理器执行的指令；以及处理器，用于执行所述指令以实现如权利要求1
‑
9任一项所述的方法。11.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如权利要求1
‑
9任一项所述的方法。

技术总结
本发明提供了一种人脸选优模型的训练方法、装置和计算机可读介质，所述方法包括以下步骤：获取人脸图像数据库及和人脸特征图数据库，并选取人脸图像数据库中的人脸图像输入人脸识别模型；获取所述人脸识别模型的输出量与所述人脸特征图数据库进行匹配的结果；根据所述匹配的结果确定所述人脸选优模型的训练数据；基于所述训练数据对所述人脸选优模型进行训练。本发明实现对人脸选优模型对人脸图像的适应性筛选，提高后续的人脸识别网络的识别精确度。确度。确度。


技术研发人员：刘淼 林恒杰 钟子恒
受保护的技术使用者：瓴盛科技有限公司
技术研发日：2021.08.31
技术公布日：2021/11/23