模型训练、人脸识别模型更新方法、电子设备及存储介质与流程

技术特征：
1.一种模型训练方法，其特征在于，包括：以人脸识别新模型中特征提取网络中任一层输出的特征图为输入，增设特征映射分支网络，形成中间模型；所述中间模型的输出包括所述人脸识别新模型输出的第一人脸新特征，以及所述特征映射分支网络输出的第一特征映射矩阵；以人脸识别旧模型作为教师模型、所述中间模型为学生模型，对所述特征映射分支网络进行蒸馏训练，得到训练完成后的所述中间模型；其中，训练所述中间模型时的损失函数，是基于经所述第一特征映射矩阵计算后的所述第一人脸新特征，与所述人脸识别旧模型输出的人脸旧特征之间的第一特征损失构建。2.根据权利要求1所述的方法，其特征在于，所述人脸识别新模型和所述人脸识别旧模型均采用残差网络resnet50结构，所述以人脸识别新模型中特征提取网络中任一层输出的特征图为输入，增设特征映射分支网络，形成中间模型，包括：选取所述人脸识别新模型的残差网络resnet50结构中conv5_x层的第2个残差块的输出特征图作为所述特征映射分支网络的输入；采用前后串接的3x3卷积层和senet结构构建所述特征映射分支网络；所述3x3卷积层的输入作为所述特征映射分支网络的输入，所述senet结构的输出作为所述特征映射分支网络的输出。3.根据权利要求2所述的方法，其特征在于，所述resnet50结构包括：前后依次串接的conv5_x层、第一1x1卷积层、第一全局池化层和全连接层；所述senet结构包括：前后依次串接第二全局池化层、第二1x1卷积层、第一激活函数、第三1x1卷积层和第二激活函数。4.根据权利要求1所述的方法，其特征在于，所述第一特征损失通过如下公式计算：loss1=s1*m1‑
t其中，s1为所述第一人脸新特征，m1为所述第一特征映射矩阵，t为所述人脸旧特征。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述得到训练完成后的所述中间模型之后，还包括：以所述人脸识别新模型作为教师模型、所述训练完成后的所述中间模型为学生模型，对所述特征映射分支网络以及所述人脸识别新模型中所述特征映射分支网络接入位置的后续网络结构进行蒸馏训练，得到优化的中间模型；所述优化的中间模型的输出包括所述人脸识别新模型输出的第二人脸新特征，以及所述特征映射分支网络输出的第二特征映射矩阵；其中，所述优化的中间模型训练时的损失函数，是基于经所述第二特征映射矩阵计算后的所述第二人脸新特征与所述第一人脸新特征之间的第二特征损失，以及经所述第二特征映射矩阵计算后的所述第二人脸新特征与所述人脸旧特征之间的第三特征损失，以及所述人脸识别新模型的原始特征损失构建。6.根据权利要求5所述的方法，其特征在于，所述第二特征损失、所述第三特征损失通过如下公式计算：loss2=s2*m2‑
s1loss3=s2*m2‑
t其中，loss2为所述第二特征损失，loss3为所述第三特征损失，s2为所述第二人脸新特征，m2为所述第二特征映射矩阵，t为所述人脸旧特征。
7.根据权利要求5所述的方法，其特征在于，所述优化的中间模型训练时的损失函数通过如下公式计算：loss=a *loss2 b*loss3 c*loss4其中，loss2为所述第二特征损失，loss3为所述第三特征损失，loss4为所述原始特征损失，a 、b、c分别为权重系数。8.一种人脸识别模型更新方法，其特征在于，包括：采用权利要求1
‑
7中任一项所述的模型训练方法所训练得到的中间模型对待识别人脸图像进行人脸识别，得到所述中间模型中所述人脸识别新模型输出的人脸新特征，以及所述特征映射分支网络输出的特征映射矩阵；将经所述特征映射矩阵计算后的所述人脸新特征与注册特征库中的人脸旧特征逐一进行相似比对，确定相似度值；所述人脸旧特征为人脸识别旧模型对应的注册特征；如果存在相似度值大于预设相似阈值的人脸旧特征，则将当前所述人脸新特征确定为最大所述相似度值对应的所述人脸旧特征的更新特征；当确定出所述注册特征库中所有人脸旧特征的所述更新特征后，将所述注册特征库中所有人脸旧特征替换为相应的更新特征，并将所述人脸识别旧模型更新为所述人脸识别新模型。9.一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的模型训练方法，或者如权利要求8中所述的人脸识别模型更新方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的模型训练方法，或者如权利要求8中所述的人脸识别模型更新方法。

技术总结
本发明实施例涉及人脸识别领域，公开了一种模型训练、人脸识别模型更新方法、电子设备及存储介质，其中模型训练包括：以人脸识别新模型中特征提取网络中任一层输出的特征图为输入，增设特征映射分支网络，形成中间模型；以人脸识别旧模型作为教师模型、所述中间模型为学生模型，对所述特征映射分支网络进行蒸馏训练，得到训练完成后的所述中间模型。本方案能够通过将新人脸识别算法特征空间通过映射矩阵映射到旧人脸识别算法特征空间，在确保人脸识别安全性的前提条件下，避免人脸隐私问题的同时逐步更新人脸特征库，从而实现用户侧无感升级，改善用户体验。改善用户体验。改善用户体验。


技术研发人员：胡长胜 浦煜 付贤强 何武 朱海涛 户磊
受保护的技术使用者：合肥的卢深视科技有限公司
技术研发日：2021.11.16
技术公布日：2021/12/13