[发明专利]人脸识别模型的训练方法及装置、存储介质、终端

权利要求书

1.一种人脸识别模型的训练方法，其特征在于，所述方法包括：

步骤一：获取样本人脸图像，所述样本人脸图像具有人脸身份标签；

步骤二：从多个预测网络中选择当前预测网络，采用骨干网络计算所述样本人脸图像的人脸特征向量，将所述人脸特征向量输入至所述当前预测网络，以得到当前预测结果，并根据所述人脸身份标签和所述当前预测结果更新所述骨干网络，其中，所述当前预测结果为所述当前预测网络对所述样本人脸图像的预测结果；

步骤三：判断是否遍历所述多个预测网络，如果是，则继续执行步骤四，否则返回至步骤二，直至遍历所述多个预测网络；

步骤四：判断是否满足预设停止条件，如果是，则得到训练后的人脸识别模型，所述训练后的人脸识别模型包括更新后的骨干网络；

其中，每当从所述步骤三返回至所述步骤二时，所述样本人脸图像是同一张样本人脸图像；

所述方法还包括：

如果不满足所述预设停止条件，则获取下一张样本人脸图像，并将所述下一张样本人脸图像作为所述样本人脸图像，并返回至步骤二，直至满足所述预设停止条件。

2.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，获取样本人脸图像之前，所述方法还包括：

采用互不相同的多组随机数分别初始化多个彼此相同的预测网络，以得到多个彼此不同的预测网络。

3.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，从所述多个预测网络中选择当前预测网络包括：

首次执行步骤二时，从所述多个预测网络中随机选择任一预测网络作为所述当前预测网络；

步骤二被再次执行时，从未被选择过的预测网络中随机选择任一预测网络作为所述当前预测网络。

4.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，从所述多个预测网络中选择当前预测网络包括：

首次执行步骤二时，选择第1个预测网络作为所述当前预测网络；

每次从步骤三返回至步骤二时，选择第i+1个预测网络作为所述当前预测网络，其中，第i个预测网络为前一次执行步骤二时的当前预测网络，i为正整数，1≤i≤N，N为所述多个预测网络的数量。

5.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述预设停止条件包括：所述多个预测网络被遍历的次数达到预设阈值。

6.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述步骤二还包括：

根据所述人脸身份标签和所述当前预测结果，更新所述当前预测网络。

7.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述骨干网络的数量为1。

8.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述多个预测网络的数量为2。

9.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述训练后的人脸识别模型还包括：相似度计算单元和判断单元，

所述更新后的骨干网络用于计算待测人脸图像的人脸特征向量，

所述相似度计算单元用于根据所述待测人脸图像的人脸特征向量计算所述待测人脸图像的人脸特征向量与预设用户的人脸特征向量的相似度，

所述判断单元用于根据所述相似度确定所述待测人脸图像的识别结果。