[发明专利]人脸识别模型优化控制方法、装置、设备及存储介质

权利要求书

1.一种人脸识别模型优化控制方法，用于对人脸识别的深度学习模型的参数优化，所述深度学习模型包括用于接收多个训练图像并输出多个特征值的深度网络模型、用于对所述多个特征值进行归一化处理的归一化模型、对所述多个特征值进行全连接映射得到多个输出特征的全连接层，其特征在于，所述优化控制方法包括：

利用triplet损失函数对归一化处理后的特征进行损失计算并生成第一回传梯度；

利用softmax损失函数对所述多个特征值进行全连接后输出的特征进行损失计算并生成第二回传梯度；

根据所述第二回传梯度对所述全连接层所对应的参数进行更新，以及利用所述第一回传梯度及所述第二回传梯度对所述深度网络模型的参数进行优化；

所述利用所述第一回传梯度及所述第二回传梯度对所述深度网络模型的参数进行优化包括：

对所述第一回传梯度设置第一权重值，对所述第二回传梯度设置第二权重值，其中，所述第一权重值大于所述第二权重值；

利用所述第一回传梯度、所述第二回传梯度的线性加权对所述深度网络模型的参数进行更新。

2.根据权利要求1所述的人脸识别模型优化控制方法，其特征在于，

所述softmax损失函数为：

其中，t_k表示全连接层输入特征t的第k维，N为特征总维度，y_k为分类标签，共M类，取值均为0或1。

3.根据权利要求1所述的人脸识别模型优化控制方法，其特征在于，

所述triplet损失函数为：

其中，x^a、x^p、xⁿ分别表示标记为a、p、n的三张图像，T()为深度神经网络，包括所述深度网络模型和所述归一化模型，[x]₊＝max(0,x)；为同一人图像a与p之间的距离，为不同人图像a与n之间的距离，α为设定ap与an之间的间距；当d_ap与d_an间距离大于0且小于α时，会产生损失并生成第一回传梯度。

4.一种人脸识别模型优化控制装置，用于对人脸识别的深度学习模型的参数优化，所述深度学习模型包括用于接收多个训练图像并输出多个特征值的深度网络模型、用于对所述多个特征值进行归一化处理的归一化模型、对所述多个特征值进行全连接映射得到多个输出特征的全连接层，其特征在于，所述优化控制装置包括：

第一运算模块，用于利用triplet损失函数对归一化处理的特征进行损失计算并生成第一回传梯度；

第二运算模块，用于利用softmax损失函数对所述多个特征值进行全连接后输出的特征进行损失计算并生成第二回传梯度；

参数优化模块，用于根据所述第二回传梯度对所述全连接层所对应的参数进行更新，以及利用所述第一回传梯度及所述第二回传梯度对所述深度网络模型的参数进行优化；

所述参数优化模块包括：

权重设置单元，用于对所述第一回传梯度设置第一权重值，对所述第二回传梯度设置第二权重值，其中，所述第一权重值大于所述第二权重值；

联合优化单元，用于利用所述第一回传梯度、所述第二回传梯度的线性加权对所述深度网络模型的参数进行更新。

5.一种人脸识别模型优化控制设备，包括处理器，所述处理器用于运行程序，其特征在于，所述程序运行时执行如权利要求1至3中任一项所述的人脸识别模型优化控制方法。

6.一种存储介质，所述存储介质包括存储的程序，其特征在于，所述程序运行时控制所述存储介质所在的设备执行如权利要求1至3中任一项所述的人脸识别模型优化控制方法。