[发明专利]人脸识别模型训练方法、装置、计算机设备及存储介质

权利要求书

1.一种人脸识别模型训练方法，其特征在于，包括：

获取样本人脸图像集，对所述样本人脸图像集中的每一样本人脸图像设置相同的第一权重值，得到待训练人脸图像集；

将所述待训练人脸图像集中的每一待训练人脸图像输入至神经网络模型中进行训练；

在经过第一预设次数的训练之后，获取所述待训练人脸图像集的第一目标θ分布直方图，其中，所述第一目标θ分布直方图为当前的θ分布直方图，在所述第一目标θ分布直方图中，横坐标为cosθ值，纵坐标为样本数量，其中，θ是指在损失函数中第一权重值和每一待训练人脸图像对应的特征点之间的夹角；

根据所述第一目标θ分布直方图调整所述待训练人脸图像集中每一待训练人脸图像的所述第一权重值，其中，所述调整后的每一待训练人脸图像的所述第一权重值与对应的所述cosθ值呈正相关；

返回执行所述在经过第一预设次数的训练之后，获取所述待训练人脸图像集的第一目标θ分布直方图的步骤，直至所述神经网络模型符合预设的终止条件，得到目标人脸识别模型。

2.如权利要求1所述的人脸识别模型训练方法，其特征在于，在所述根据所述第一目标θ分布直方图调整所述待训练人脸图像集中每一待训练人脸图像的所述第一权重值之后，所述人脸识别模型训练方法还包括：

在经过第二预设次数的训练之后，获取所述待训练人脸图像集的第二目标θ分布直方图，其中，所述第二目标θ分布直方图为在经过第二预设次数的训练之后的θ分布直方图，所述第二预设次数大于所述第一预设次数；

根据所述第二目标θ分布直方图调整所述待训练人脸图像集中每一待训练人脸图像的所述第一权重值，其中，所述调整后的每一待训练人脸图像的所述第一权重值与对应的所述cosθ值呈正态分布。

3.如权利要求1所述的人脸识别模型训练方法，其特征在于，所述根据所述第一目标θ分布直方图调整所述待训练人脸图像集中每一待训练人脸图像的所述第一权重值，包括：

基于所述第一目标θ分布直方图，确定所述待训练人脸图像集中每一待训练人脸图像的cosθ值；

采用如下公式计算每一所述待训练人脸图像的第一权重值：

softplus(x)＝log(1+e^x)；

其中，w为第一权重值；cosθ为待训练人脸图像的cosθ值；δ_r是第一目标θ分布直方图中最大的cosθ值，μl是第一目标θ分布直方图中左边的顶峰值；

基于每一所述待训练人脸图像的所述cosθ值和对应的所述第一权重值，调整所述待训练人脸图像集中每一待训练人脸图像的第一权重值。

4.如权利要求1所述的人脸识别模型训练方法，其特征在于，所述根据所述第一目标θ分布直方图调整所述待训练人脸图像集中每一待训练人脸图像的所述第一权重值，还包括：

基于所述第一目标θ分布直方图，确定所述待训练人脸图像集中每一待训练人脸图像的cosθ值；

根据每一所述待训练人脸图像的cosθ值的从大到小，对所述待训练人脸图像集中每一待训练人脸图像进行第一权重值排序。

5.如权利要求2所述的人脸识别模型训练方法，其特征在于，所述根据所述第二目标θ分布直方图调整所述待训练人脸图像集中每一待训练人脸图像的所述第一权重值，包括：

基于所述第二目标θ分布直方图，确定所述待训练人脸图像集中每一待训练人脸图像的cosθ值；

采用如下公式计算每一所述待训练人脸图像的第一权重值w：

其中，w为第一权重值，cosθ为待训练人脸图像的cosθ值，μ_r是第二目标θ分布直方图中右边的顶峰值，σ²为第二目标θ分布直方图中干净样本的方差，σ＝(δ_r-μ_r)/2.576；

基于每一所述待训练人脸图像的所述cosθ值和对应的所述第一权重值，调整所述待训练人脸图像集中每一待训练人脸图像的第一权重值。