[發明專利]超分模型的訓練及人臉識別方法、裝置、介質及電子設備在審
| 申請號： | 202110323477.3 | 申請日： | 2021-03-26 |
| 公開（公告）號： | CN113191495A | 公開（公告）日： | 2021-07-30 |
| 發明（設計）人： | 徐國智;朱浩齊;李雨珂;孫景潤;楊衛強 | 申請（專利權）人： | 網易（杭州）網絡有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06N3/04;G06T3/40;G06K9/00 |
| 代理公司： | 北京律智知識產權代理有限公司 11438 | 代理人： | 王輝;闞梓瑄 |
| 地址： | 310052 浙江省杭州*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 模型 訓練 識別 方法 裝置 介質 電子設備 | ||
1.一種超分模型的訓練方法，其特征在于，所述方法包括：
獲取第一高質量人臉圖像樣本以及所述第一高質量人臉圖像樣本對應的低質量人臉圖像樣本，由待訓練模型對所述低質量人臉圖像樣本進行超分辨率重建處理以生成對應于所述低質量人臉圖像樣本的目標高質量人臉圖像，并得到所述待訓練模型的第一損失函數；
獲取所述第一高質量人臉圖像樣本對應的身份信息，并獲取所述身份信息對應的一個或多個第二高質量人臉圖像樣本，并以所述第一高質量人臉圖像樣本、所述第二高質量人臉圖像樣本以及所述目標高質量人臉圖像構建圖像多元組；
通過人臉特征提取模型提取所述人臉圖像多元組中多個人臉圖像的多個人臉特征，并根據所述多個人臉特征計算所述待訓練模型的第二損失函數；
通過所述第一損失函數以及所述第二損失函數對所述待訓練模型的神經網絡參數進行迭代更新，以訓練所述超分模型。
2.根據權利要求1所述的方法，其特征在于，所述獲取第一高質量人臉圖像樣本以及所述第一高質量人臉圖像樣本對應的低質量人臉圖像樣本，包括：
對所述第一高質量人臉圖像樣本進行降質操作得到所述第一高質量人臉圖像樣本對應的低質量人臉圖像樣本。
3.根據權利要求1所述的方法，其特征在于，所述得到所述待訓練模型的第一損失函數，包括：
計算所述第一高質量人臉圖像樣本與所述目標高質量人臉圖像的預測差值；
根據所述預測差值得到所述待訓練模型的第一損失函數。
4.根據權利要求1所述的方法，其特征在于，所述第一損失函數包括均方誤差損失函數。
5.根據權利要求1所述的方法，其特征在于，所述通過所述第一損失函數以及所述第二損失函數對所述待訓練模型中的神經網絡參數進行迭代更新，以訓練所述超分模型，包括：
根據所述第一損失函數以及所述第二損失函數得到所述超分模型的整體損失函數；
根據所述整體損失函數得到所述待訓練模型中的各個神經網絡參數的梯度；
根據所述神經網絡參數的梯度對所述神經網絡參數進行迭代更新，以訓練所述超分模型。
6.一種人臉識別方法，其特征在于，所述方法包括：
獲取待識別的人臉圖像，并將所述待識別的人臉圖像輸入超分模型中；其中，所述超分模型是通過如權利要求1-5中任意一項所述的超分模型的訓練方法得到的；
根據所述超分模型得到所述待識別的人臉圖像對應的高質量人臉圖像，并將所述高質量人臉圖像輸入人臉識別模型進行人臉識別。
7.一種超分模型的訓練裝置，其特征在于，包括：
第一損失函數計算模塊，用于獲取第一高質量人臉圖像樣本以及所述第一高質量人臉圖像樣本對應的低質量人臉圖像樣本，由待訓練模型對所述低質量人臉圖像樣本進行超分辨率重建處理以生成對應于所述低質量人臉圖像樣本的目標高質量人臉圖像，并得到所述待訓練模型的第一損失函數；
圖像多元組構建模塊，用于獲取與所述第一高質量人臉圖像樣本對應的身份信息，并獲取所述身份信息對應的一個或多個第二高質量人臉圖像樣本，并以所述第一高質量人臉圖像樣本、所述第二高質量人臉圖像樣本以及所述目標高質量人臉圖像構建圖像多元組；
第二損失函數計算模塊，用于通過人臉特征提取模型提取所述人臉圖像多元組中多個人臉圖像的多個人臉特征，并根據所述多個人臉特征計算所述待訓練模型的第二損失函數；
超分模型訓練模塊，用于通過所述第一損失函數以及所述第二損失函數對所述待訓練模型的神經網絡參數進行迭代更新，以訓練所述超分模型。
8.一種人臉識別裝置，其特征在于，包括：
人臉圖像輸入模塊，用于獲取待識別的人臉圖像，并將所述待識別的人臉圖像輸入超分模型中；其中，所述超分模型是通過如權利要求1-5中任意一項所述的超分模型的訓練方法得到的；
人臉圖像識別模塊，用于根據所述超分模型得到所述待識別的人臉圖像對應的高質量人臉圖像，并將所述高質量人臉圖像輸入人臉識別模型進行人臉識別。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于網易（杭州）網絡有限公司，未經網易（杭州）網絡有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202110323477.3/1.html，轉載請聲明來源鉆瓜專利網。
