[发明专利]表情识别模型的训练方法、装置、设备及存储介质

权利要求书

1.一种表情识别模型的训练方法，其特征在于，所述表情识别模型的训练方法包括：

获取待识别的人脸图像集和所述人脸图像集相应的对比人脸图像集，并基于所述人脸图像集和所述对比人脸图像集，构建人脸图像对集；

基于所述人脸图像对集，对预置人脸识别模型进行人脸表征提取训练，并输出训练结果，得到第一网络模型以及所述人脸图像对集相应的人脸表征对集；

基于所述人脸表征对集，对所述第一网络模型进行表征分离训练，并输出训练结果，得到第二网络模型以及所述人脸图像对集相应的表情表征对集和非表情表征对集；

基于所述表情表征对集和所述非表情表征对集，对所述第二网络模型进行人脸分析训练，得到表情识别模型，其中，所述人脸分析训练包括表情识别训练和人脸比对训练；

所述基于所述人脸表征对集，对所述第一网络模型进行表征分离训练，并输出训练结果，得到第二网络模型以及所述人脸图像对集相应的表情表征对集和非表情表征对集包括：

基于所述第一网络模型，依次对所述人脸表征对集中的人脸表征对进行表征分离，得到所述人脸表征对集相应的表情表征对集和所述人脸表征对集相应的非表情表征对集；

依次对所述表情表征对集中的表情表征对进行表征互换，并与所述非表情表征对集中相应的非表情表征对进行组合，得到重构人脸表征对集；

基于所述重构人脸表征对集中的人脸表征，依次重构原图像，得到重构人脸图像对集；

基于预置第二损失函数，依次计算所述重构人脸图像对集中重构人脸图像对的损失结果，并根据所述损失结果，调节所述第一网络模型的网络参数，并输出当前损失结果对应分离的表情表征对和非表情表征对，得到第二网络模型以及所述人脸图像对集相应的表情表征对集和非表情表征对集。

2.根据权利要求1所述的表情识别模型的训练方法，其特征在于，所述基于所述人脸图像集和所述对比人脸图像集，构建人脸图像对集包括：

依次对所述人脸图像集中的人脸图像和所述对比人脸图像集中的对比人脸图像进行图像预处理，得到目标人脸图像集和目标对比人脸图像集；

依次对所述目标人脸图像集和所述目标对比人脸图像集进行数据标定，并基于数据标定的结果，构建人脸图像对集。

3.根据权利要求2所述的表情识别模型的训练方法，其特征在于，所述基于所述人脸图像对集，对预置人脸识别模型进行人脸表征提取训练，并输出训练结果，得到第一网络模型以及所述人脸图像对集相应的人脸表征对集包括：

基于预置人脸识别模型，依次提取所述人脸图像对集中人脸图像的人脸表征，得到所述人脸图像对集相应的人脸表征对集；

基于所述人脸表征对集中的人脸表征，依次重构原图像，得到第一人脸图像对集；

基于预置第一损失函数，依次计算所述第一人脸图像对集中第一人脸图像对的损失结果，并根据所述损失结果，调节所述预置人脸识别模型的网络参数，并输出当前损失结果对应提取到的人脸表征，得到第一网络模型以及所述人脸图像对集相应的人脸表征对集。

4.根据权利要求1所述的表情识别模型的训练方法，其特征在于，所述基于所述表情表征对集和所述非表情表征对集，对所述第二网络模型进行人脸分析训练，得到表情识别模型包括：

基于所述表情表征对集，对所述第二网络模型进行表情识别训练，得到第三网络模型；

基于所述非表情表征对集，对所述第三网络模型进行人脸比对训练，得到表情识别模型。

5.根据权利要求4所述的表情识别模型的训练方法，其特征在于，所述基于所述表情表征对集，对所述第二网络模型进行表情识别训练，得到第三网络模型包括：

基于所述第二网络模型，对所述表情表征对进行表情识别，得到相应的表情识别结果；

基于预置第三损失函数，计算所述表情识别结果的损失结果；

根据所述表情识别结果的损失结果，调节所述第二网络模型的网络参数，得到第三网络模型。