[发明专利]用于生成模型的方法和装置

说明书

本公开的实施例公开了用于生成模型的方法和装置。该方法的一具体实施方式包括：获取训练样本集，训练样本集包括样本面部图像；利用预先训练的预设数目个信息识别模型对训练样本集中的样本面部图像进行识别，得到与样本面部图像所呈现的对象对应的关联信息；将训练样本集中的样本面部图像作为输入、将与样本面部图像对应的关联信息作为期望输出，利用机器学习的方法，训练得到信息预测模型。该实施方式可以不需要进行人工标注，节省了人工成本，提高工作效率。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成模型的方法和装置。

背景技术

随着科学技术的发展和人工智能技术的普及，人工智能技术可以应用于各个领域。例如，可以应用于语音识别、图像识别、智能家居等各个领域。人工智能技术的发展为用户在各方面均提供了极大的便利。机器学习的方法使得人工智能技术得以快速的发展。

相关机器学习的方法中，为了得到具有特定功能(例如图像识别功能、语音识别功能)的模型，通常是基于人工对训练样本进行标注，利用训练样本和人工标注信息对模型进行训练，从而得到所需要的模型。

发明内容

本公开的实施例提出了用于生成模型的方法和装置。

第一方面，本公开的实施例提供了一种用于生成模型的方法，该方法包括：获取训练样本集，训练样本集包括样本面部图像；利用预先训练的预设数目个信息识别模型对训练样本集中的样本面部图像进行识别，得到与样本面部图像所呈现的对象对应的关联信息；将训练样本集中的样本面部图像作为输入、将与样本面部图像对应的关联信息作为期望输出，利用机器学习的方法，训练得到信息预测模型。

在一些实施例中，待训练的信息预测模型包括特征提取层和全连接层；以及将训练样本集中的样本面部图像作为输入、将与样本面部图像对应的关联信息作为期望输出，利用机器学习的方法，训练得到信息预测模型，包括以下训练步骤：对于训练样本集中的每一个样本面部图像，将该样本面部图像输入至待训练的信息预测模型的特征提取层，得到该样本面部图像的特征图；将所得到的特征图输入至全连接层，得到该样本面部图像的样本输出结果；基于所得到的样本输出结果，确定预设损失函数是否收敛，其中，预设损失函数用于指示所得到的样本输出结果集合中的样本输出结果与对应的关联信息之间的误差；响应于确定预设损失函数收敛，确定信息预测模型训练完成。

在一些实施例中，方法还包括：响应于确定预设损失函数未收敛，利用反向传播算法更新待训练的信息预测模型的参数，继续执行训练步骤。

第二方面，本公开的实施例提供了一种信息预测方法，该方法包括：获取目标用户的面部图像；将面部图像输入至采用如第一方面的方法生成的信息预测模型，得到与面部图像对应的关联信息，关联信息包括以下至少一项：面部表情信息，属性信息。

第三方面，本公开的实施例提供了一种用于生成模型的装置，该装置包括：获取单元，被配置成获取训练样本集，训练样本集包括样本面部图像；识别单元，被配置成利用预先训练的预设数目个信息识别模型对训练样本集中的样本面部图像进行识别，得到与样本面部图像所呈现的对象对应的关联信息；训练单元，被配置成将训练样本集中的样本面部图像作为输入、将与样本面部图像对应的关联信息作为期望输出，利用机器学习的方法，训练得到信息预测模型。

在一些实施例中，待训练的信息预测模型包括特征提取层和全连接层；以及训练单元进一步被配置成执行以下训练步骤：对于训练样本集中的每一个样本面部图像，将该样本面部图像输入至待训练的信息预测模型的特征提取层，得到该样本面部图像的特征图；将所得到的特征图输入至全连接层，得到该样本面部图像的样本输出结果；基于所得到的样本输出结果，确定预设损失函数是否收敛，其中，预设损失函数用于指示所得到的样本输出结果集合中的样本输出结果与对应的关联信息之间的误差；响应于确定预设损失函数收敛，确定信息预测模型训练完成。