CN110543815A 人脸识别模型的训练方法、人脸识别方法、装置、设备及存储介质 （平安科技（深圳）有限公司）

道福安社区益田路5033号平安金融中人脸识别模型的训练方法、人脸识别方法、2根据第二样本图像信息，对所述第一卷积神经网络模型中的分类网络进行迭代训练，根据第三样本图像信息，对解冻后的第二卷积神经征提取网络的输出与第一真实标签之间的误所述将所述特征提取网络与预设的分类网络建立连接，以得到第一卷积神经网络模采用所述分类器对所述全连接层的输出进行分类，以基于权重计算公式，对所述卷积层的输出的每个特5.根据权利要求4所述的人脸识别模型的训练方法，其特征在于，所述权重计算公式3若所述人脸识别结果指示成功识别所述待识别图像分类训练单元，用于根据第二样本图像，对所述第第一信息显示单元，用于若所述人脸识别结果指示成功识别所述所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至5中任一项所述的人脸识别模型的训练方法，或者实现如权利要求6所述的人脸识别方4[0006]将所述特征提取网络与预设的分类网络建立连接，以得到第一卷积神经网络模5[0018]参数冻结单元，用于冻结所述第一卷积神经网络模型的特征提取网络的权重参网络进行迭代训练，以对所述第一卷积神经网络模型中的分类网络的权重参数进行调整，[0020]网络解冻单元，用于解冻所述第二卷积神经网络模型的特征提取网络的权重参[0033]图4是图2中另一实施例提供的人脸识别模型的训练方法的子步骤的步骤示意流6输入特征提取网络后，特征提取网络中的每一个卷积层逐层对输入的图像进行卷积处理，789[0101]若所述特征提取网络的输出与所述第一真实标签之间的误差值大于等于所述第[0111]若所述第二卷积神经网络模型的分类网络的输出与第二真实标签之间的误差值得到第一卷积神经网络模型；冻结所述第一卷积神经网络模型的特征提取网络的权重参得到第二卷积神经网络模型；解冻所述第二卷积神经网络模型的特征提取网络的权重参[0116]请参阅图8，图8是本申请一实施例提供的一种人脸识别方法的步骤示意流(RedGreenBlue，红绿蓝)模式的图像。当然上述待识别图像也可以为近红外(Near[0124]本实施例的执行主体可以安装有用于采集可见光图像的摄像头和用于采集近红[0126]在获取到待识别图像后，可以将该待识别图像输入至预先训[0129]如图9所示，为了进一步提高待识别图像中的目标人脸的识别的准确性和提高人录用户的人脸图像与已经注册了该教学应用平台或教学网站的所有用户的人脸图像进行[0140]参数冻结单元330，用于冻结所述第一卷积神经网络模型的特征提取网络的权重类网络进行迭代训练，以对所述第一卷积神经网络模型中的分类网络的权重参数进行调[0142]网络解冻单元350，用于解冻所述第二卷积神经网络模型的特征提取网络的权重370，用于判断所述特征提取网络的输出与第一真实标签之间的误差值是否小于第一预设[0165]非易失性存储介质可存储操作系统和计算机程序。该计算机用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列[0173]判断所述特征提取网络的输出与第一真实标签之间的误差值是否小于第一预设[0175]若所述特征提取网络的输出与第一真实标签之间的误差值小于所述第一预设阀[0178]在一实施例中，所述处理器在实现所述将所述卷积层的输出输入至所述全连接申请实施例提供的任一项人脸识别模型的训设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(Smart