CN114333015B 脸部识别模型的训练方法、装置以及电子设备 （以萨技术股份有限公司）

备本申请提供了一种脸部识别模型的训练方缓解了现有的脸部识别模型训练后的模型识别第二图像之间距离小于第一图像和第三图像之对应的脸部图像质量高于第三图像对应的脸部2基于所述训练样本利用五元组的损失函数训练初始脸部识根据所述图像质量检测结果确定针对每个所述对象的所述基于所述脸部图像质量针对相同的所述对象进行脸部图像质量排序用于表示所述第二图像和所述第一图像之间所述用于表示所述第三图像和所述用于表示所述第二图像和所述第对所述脸部图像进行清洗，以去除所述脸部图像中所述脸部图像质3采集脸部图像，并基于不同所述对象对所述脸部图像进行分组，得到训练模块，用于基于所述训练样本利用五元组所述处理器运行所述权利要求1至7任一项4解现有的脸部识别模型训练后的模型识别精确度较低[0008]在一个可能的实现中，所述确定每个所述对象的脸部图像的脸部图像质量的步5[0016]在一个可能的实现中，所述a1用于表示所述第二图像和所述第一图像之间的距离最变小，而所述第一图像和所述第[0017]所述用于表示所述第三图[0018]所述用于表示所述第二图像和所述第一图像之间的距离小于所述第三图像和所述第一图[0026]训练模块，用于基于所述训练样本利用五元组的损失函数训练初始脸部识别模6通过使用五元组损失函数训练人脸识别模型的过程能够更有效的利用到人脸质量参差不7上式中的为欧式距离IIf(xf-f(xf"))lI表示的是Negative和Anchor之间的欧式距离。α又称为margin，是指Positive元和Anchor之间的距离和Negative和Anchor之间的距离之间有一个最小的间隔。损失函数学习后使得Positive和Anchor之间的距离最变小，而和Negative之间距离变大，通过该方法可以缓解现有的脸部识别模型训练后的模型识别精确度较8[0053]对于五元组损失函数，需要说明的是，三元组损失函数是一个Anchor、一个如图3所示，其中Anchor是训练数据集中随机选取的一张人脸图片，两个Positive是与图片为同一个人的不同图片质量的图片Positive1和Positive2，其中Positive1的人脸质的脸部图像之间的距离最变小，使待训练脸部图像和不同对象的脸部图像之间距离变大，还能够使待训练脸部图像与相同对象脸部图像中质量较高的脸部图像之间距离相对于质五元组损失函数训练人脸识别模型的过程能够更有效的利用到人脸质量参差不齐的情况，9够使同一对象下的脸部图像的脸部图像质量更加明确便于分训练图片为同一个人的不同图片质量的图片Positive1和Positive2，其中Positive1的人脸质量大于Positive2的人脸质量，两张与待训练图片不同人的图片Negative1和[0070]基于此，用于表示第二图像和第一图像之间的距离最变小，而第一图像和第四图像之间距离变大；用于表示第三图像和第一图像之间用于表示第二图像和第一图像之间的距离小于第三IIf(f-f(rf")⃞-IIf(xf-a2,表示Positive2和Anchor之间的距表示Positive1和Anchor之间的距离小[0072]通过本申请实施例中的五元组损失函数既能够使待训练脸部图像和相同对象的能够使待训练脸部图像与相同对象脸部图像中质量较高的脸部图像之间距离相对于质量[0082]训练模块403，用于基于所述训练样本利用五元组的损失函数训练初始脸部识别[0092]所述用于表示所述第三图[0093]所述用于表示所述第二图像和所述第一图像之间的距离小于所述第三图像和所述第一图[0101]其中，存储器501可能包含高速随机存取存储器(RandomAccessMemory，简称通过至少一个通信接口504(可以是有线或者无线)实现该系统网元与至少一个其他网元之方法的各步骤可以通过处理器502中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器502可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegrated[0106]本申请实施例所提供的脸部识别模型的训练装置可以为设备上的特定硬件或者算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个的全部或部分步骤。而前述的存储介质