[发明专利]人脸识别模型的处理方法、人脸识别方法及装置

权利要求书

1.一种人脸识别模型的处理方法，其特征在于，所述方法包括：

获取第一样本集合、第二样本集合和第三样本集合，所述第一样本集合中的样本为多数群体人脸图像，所述第二样本集合中的样本为少数群体人脸图像，所述第三样本集合包括多数群体人脸图像和少数群体人脸图像；

使用所述第一样本集合中的多数群体人脸图像对初始人脸识别模型进行预训练，获得预训练人脸识别模型；

迭代地从所述第一样本集合、所述第二样本集合和所述第三样本集合中，获得微调训练所需的样本图像集合，在使用所述样本图像集合中的样本图像对所述预训练人脸识别模型进行微调训练的过程中，排除属于所述第三样本集合且包括多数群体人脸的样本图像对应的梯度后，使用所述样本图像集合中剩余的样本图像对应的梯度更新所述预训练人脸识别模型的模型参数，直至停止迭代时，获得用于对多数群体人脸图像及少数群体人脸图像进行人脸识别的人脸识别模型。

2.根据权利要求1所述的方法，其特征在于，所述使用所述第一样本集合中的多数群体人脸图像对初始人脸识别模型进行预训练，获得预训练人脸识别模型，包括：

从所述第一样本集合中获取多数群体人脸图像及对应的人脸标签信息；

将从所述第一样本集合中获取的多数群体人脸图像输入所述初始人脸识别模型，获得人脸识别预测结果；

根据所述人脸标签信息与所述人脸识别预测结果构建预训练损失函数；

将所述预训练损失函数最小化时的模型参数作为所述初始人脸识别模型更新的模型参数后，返回所述从所述第一样本集合中获取多数群体人脸图像的步骤继续训练，直至满足训练结束条件。

3.根据权利要求2所述的方法，其特征在于，所述将从所述第一样本集合中获取的多数群体人脸图像输入所述初始人脸识别模型，获得人脸识别预测结果，包括：

通过所述初始人脸识别模型中的特征提取网络，提取各所述多数群体人脸图像对应的人脸图像特征；

通过所述初始人脸识别模型中的分类网络，基于所述人脸图像特征获得各所述多数群体人脸图像对应的人脸识别预测结果。

4.根据权利要求1所述的方法，其特征在于，所述从所述第一样本集合、所述第二样本集合和所述第三样本集合中，获得微调训练所需的样本图像集合，包括：

获取预设的采样比例；

按照所述采样比例分别对所述第一样本集合、所述第二样本集合和所述第三样本集合进行采样，获得微调训练所需的所述样本图像集合。

5.根据权利要求1所述的方法，其特征在于，所述在使用所述样本图像集合中的样本图像对所述预训练人脸识别模型进行微调训练的过程中，排除属于所述第三样本集合且包括多数群体人脸的样本图像对应的梯度后，使用所述样本图像集合中剩余的样本图像对应的梯度更新所述预训练人脸识别模型的模型参数，包括：

使用所述样本图像集合中各样本图像对所述预训练人脸识别模型进行微调训练，在微调训练过程中获取各所述样本图像对应的梯度；

从各所述样本图像对应的梯度中，排除属于所述第三样本集合且包括多数群体人脸的样本图像对应的梯度后，使用所述样本图像集合中剩余的样本图像对应的梯度更新所述预训练人脸识别模型的模型参数。

6.根据权利要求5所述的方法，其特征在于，所述使用所述样本图像集合中各样本图像对所述预训练人脸识别模型进行微调训练，在微调训练过程中获取各所述样本图像对应的梯度，包括：

将所述样本图像集合中各样本图像输入所述预训练人脸识别模型，获得各所述样本图像对应的人脸识别预测结果；

根据各所述样本图像对应的人脸标签信息及所述人脸识别预测结果，构建微调训练损失函数；

在所述微调训练损失函数最小化时获得各所述样本图像对应的梯度。

7.根据权利要求6所述的方法，其特征在于，所述将所述样本图像集合中各样本图像输入所述预训练人脸识别模型，获得各所述样本图像对应的人脸识别预测结果，包括：

通过所述预训练人脸识别模型中的特征提取网络，提取各所述样本图像对应的人脸图像特征；

通过所述预训练人脸识别模型中的分类网络，基于所述人脸图像特征获得各所述样本图像对应的人脸识别预测结果。