[发明专利]模型训练方法及装置、识别方法、存储介质及电子设备

说明书

本发明提供了一种模型训练方法，包括：选取基础模型；利用叠加有网纹的图片、以及与所述叠加有网纹的图片对应的未叠加网纹前的原始图片作为所述基础模型的输入，对所述基础模型进行训练；当所述基础模型对应的损失函数满足预设的训练终止条件时，终止对所述基础模型的训练，并将终止训练时的基础模型作为训练获得的深度学习模型。本发明提供的模型训练方法，可以训练出能够去除网纹图片中网纹的深度学习模型，进而在身份识别领域中，在通过用户上传的待识别照片及获取的证件网纹照对用户身份进行识别时，去除所述证件网纹照中的网纹，将所述待识别照片与去除网纹的证件照进行比对，提高用户身份识别的准确度。

技术领域

本发明涉及模型训练领域，特别涉及一种模型训练方法及装置、识别方法、存储介质及电子设备。

背景技术

随着信息科技的发展，人们所能涉足的领域越来越多。无论在何种领域中，在涉及到用户身份识别的过程中，人脸识别是最直接且有效的方法。通常的做法是，先采集一张用户当前的人脸照片，然后将采集的人脸照片与从公安系统中拉取的用户二代身份证照片进行比对，当采集的人脸照片与用户二代身份证照片中的人脸为同一人脸时，完成对用户的身份识别。

发明人经过对现有用户身份识别的过程进行研究发现，在将当前获取的用户人脸照片与从公安系统中拉取的用户二代身份证照片进行比对时，由于二代身份证照片上叠加有网纹，影响了对用户二代身份证照片中人脸的识别，进而降低了用户身份识别的准确度。因此亟需一种模型训练方法，能够训练出可以去除网纹图片中网纹的模型，以消除网纹在身份识别过程中，对识别过程带来的影响。

发明内容

本发明所要解决的技术问题是提供一种模型训练方法，能够训练出可以去除网纹图片中网纹的模型，以消除网纹在身份识别过程中，对识别过程带来的影响。

本发明还提供了一种模型训练装置，用以保证上述方法在实际中的实现及应用。

一种模型训练方法，包括：

选取基础模型；

利用叠加有网纹的图片、以及与所述叠加有网纹的图片对应的未叠加网纹前的原始图片作为所述基础模型的输入，对所述基础模型进行训练；

当所述基础模型对应的损失函数满足预设的训练终止条件时，终止对所述基础模型的训练，并将终止训练时的基础模型作为训练获得的深度学习模型。

上述的方法，可选的，在所述深度学习模型的建立过程中，获取所述叠加有网纹的图片，包括：

选取未叠加有网纹的原始图片；

依据预设的生成方式，生成目标网纹，并将所述目标网纹叠加在所述原始图片上，获得网纹图片。

上述的方法，可选的，所述依据预设的生成方式，生成目标网纹，包括：

依据预建立的目标函数，生成初始网纹波形；

基于所述初始网纹波形，生成所述目标网纹。

上述的方法，可选的，所述目标函数的预建立过程，包括：

选取基础函数，并解析已获取的样本网纹的网纹属性；

依据所述已获取的样本网纹的网纹属性，对所述基础函数的函数参数进行调整，获得所述目标函数。

上述的方法，可选的，所述基础函数为三角函数的线性组合函数；所述三角函数为正弦函数或余弦函数；

所述基础函数的函数参数包括所述基础函数中包含的每个三角函数的振幅、角频率及初相。

上述的方法，可选的，所述基于所述初始网纹波形生成目标网纹，包括：

依据所述初始网纹波形生成初始网纹单元；