[发明专利]脸部识别模型的训练方法、装置以及电子设备

说明书

本申请提供了一种脸部识别模型的训练方法、装置以及电子设备，涉及图像识别技术领域，缓解了现有的脸部识别模型训练后的模型识别精确度较低的技术问题。该方法包括：获取脸部图像的训练样本；确定每个对象的脸部图像的脸部图像质量；基于训练样本利用五元组的损失函数训练初始脸部识别模型，以使第一图像和第二图像、第三图像之间距离减小且第一图像和第四图像、第五图像之间距离增大，并使第一图像和第二图像之间距离小于第一图像和第三图像之间距离，得到人脸识别模型训练结果；五元组包含第一对象的第一图像、第二图像和第三图像、以及第二对象的第四图像和第五图像；第二图像对应的脸部图像质量高于第三图像对应的脸部图像质量。

技术领域

本申请涉及图像识别技术领域，尤其是涉及一种脸部识别模型的训练方法、装置以及电子设备。

背景技术

目前，当前基于度量学习的脸部识别算法主要使用Triple loss损失函数，又称三元损失函数。例如，其中的三元是Anchor、Negative、Positive。其中Anchor为训练数据集中随机选取的一张脸部图片，Positive为和Anchor属于同一个人的脸部图片，而Negative则为和Anchor不同人的脸部图片。但是，利用三元损失函数训练脸部识别模型后的得到的脸部识别模型训练结果的模型识别精确度较低。

发明内容

本发明的目的在于提供一种脸部识别模型的训练方法、装置以及电子设备，以缓解现有的脸部识别模型训练后的模型识别精确度较低的技术问题。

第一方面，本申请实施例提供了一种脸部识别模型的训练方法，所述方法包括：

获取脸部图像的训练样本；其中，所述脸部图像中包含多个不同对象的脸部图像；

确定每个所述对象的脸部图像的脸部图像质量；

基于所述训练样本利用五元组的损失函数训练初始脸部识别模型，以使第一图像和第二图像、第三图像之间距离减小且第一图像和第四图像、第五图像之间距离增大，并使所述第一图像和所述第二图像之间距离小于所述第一图像和所述第三图像之间距离，得到人脸识别模型训练结果；其中，所述五元组包含第一对象的所述第一图像、所述第二图像和所述第三图像、以及第二对象的所述第四图像和所述第五图像；所述第一图像为待训练脸部图像，所述第二图像对应的所述脸部图像质量高于所述第三图像对应的所述脸部图像质量。

在一个可能的实现中，所述确定每个所述对象的脸部图像的脸部图像质量的步骤，包括：

利用指定脸图质量检测模型检测所述脸部图像的脸部图像质量，得到图像质量检测结果；

根据所述图像质量检测结果确定针对每个所述对象的所述脸部图像质量。

在一个可能的实现中，所述根据所述图像质量检测结果确定针对每个所述对象的所述脸部图像质量的步骤，包括：

基于所述脸部图像质量针对相同的所述对象进行脸部图像质量排序，得到每个所述对象对应的脸部图像质量排序结果。

在一个可能的实现中，所述五元组的损失函数包括：

其中，用于表示所述第一图像，所述用于表示所述第二图像；用于表示所述第三图像；用于表示所述第四图像；用于表示所述第一图像；用于表示所述第五图像；所述α1用于表示所述第二图像和所述第一图像的距离，与所述第一图像和所述第四图像的距离之间的间隔；所述α2用于表示所述第三图像和所述第一图像的距离，与所述第一图像和所述第五图像的距离之间的间隔。

在一个可能的实现中，所述用于表示所述第二图像和所述第一图像之间的距离最变小，而所述第一图像和所述第四图像之间距离变大；

所述用于表示所述第三图像和所述第一图像之间的距离最变小，而所述第一图像和所述第五图像之间距离变大；