[发明专利]人脸识别方法、装置、电子设备及存储介质在审
申请号: | 202310256322.1 | 申请日: | 2023-03-07 |
公开(公告)号: | CN116434299A | 公开(公告)日: | 2023-07-14 |
发明(设计)人: | 苏伟聪;王亚立;乔宇 | 申请(专利权)人: | 中国科学院深圳先进技术研究院 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/82 |
代理公司: | 深圳五邻知识产权代理事务所(普通合伙) 44590 | 代理人: | 胡明 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 识别 方法 装置 电子设备 存储 介质 | ||
本申请实施例提供了一种人脸识别方法、装置、电子设备及存储介质,涉及人脸识别技术领域。其中,该方法包括:获取人脸图像,并分别捕捉人脸图像在细粒度的核心表示和粗粒度的上下文表示,得到相应的原子令牌和整体令牌;根据得到的原子令牌和整体令牌,学习所述人脸图像中不同人脸区域之间的关系,得到所述人脸图像的关系特征图;通过残差连接,由所述人脸图像的关系特征图与输入特征图,得到所述人脸图像的输出特征图;根据所述输出特征图对所述人脸图像进行人脸识别,得到人脸识别结果。本申请实施例解决了相关技术中人脸识别的准确率不高的问题。
技术领域
本申请涉及人脸识别技术领域,具体而言,本申请涉及一种人脸识别方法、装置、电子设备及存储介质。
背景技术
随着深度学习的快速发展,基于卷积神经网络的人脸识别方法取得了显著的成就,尤其是视觉transformer模型通过将人脸图像转换为若干令牌(token),从而捕捉人脸区域之间的长距离关系,用以提高人脸识别的准确率。
然而,现有的令牌生成方式是比较固定的,往往导致令牌之间的关系变得不可靠,从而无法学习更高阶的人脸语义特征,致使人脸识别的准确率提高有限。
由上可知,如何提升人脸识别的准确率仍有待解决。
发明内容
本申请各实施例提供了一种人脸识别方法、装置、电子设备及存储介质,可以解决相关技术中存在的人脸识别的准确率不高的问题。所述技术方案如下:
根据本申请实施例的一个方面,一种人脸识别方法,所述方法包括:获取人脸图像,并分别捕捉人脸图像在细粒度的核心表示和粗粒度的上下文表示,得到相应的原子令牌和整体令牌;根据得到的原子令牌和整体令牌,学习所述人脸图像中不同人脸区域之间的关系,得到所述人脸图像的关系特征图;通过残差连接,由所述人脸图像的关系特征图与输入特征图,得到所述人脸图像的输出特征图;根据所述输出特征图对所述人脸图像进行人脸识别,得到人脸识别结果。
根据本申请实施例的一个方面,一种人脸识别装置,所述装置包括:令牌获取模块,用于获取人脸图像,并分别捕捉人脸图像在细粒度的核心表示和粗粒度的上下文表示,得到相应的原子令牌和整体令牌;关系学习模块,用于根据所述得到的原子令牌和整体令牌,学习所述人脸图像中不同人脸区域之间的关系,得到所述人脸图像的关系特征图;特征输出模块,用于通过残差连接,由所述人脸图像的关系特征图与输入特征图,得到所述人脸图像的输出特征图;人脸识别模块,用于根据所述输出特征图对所述人脸图像进行人脸识别,得到人脸识别结果。
在一示例性实施例中,所述令牌获取模块包括:原子令牌获取单元,用于对获取到的人脸图像进行特征提取得到输入特征图,将所述输入特征图分割为若干特征块,对各所述特征块进行平均池化处理得到若干原子令牌;整体令牌获取单元,用于对所述输入特征图进行卷积处理得到关于所述人脸图像中人脸区域的分割掩码,并根据所述分割掩码将所述输入特征图转换为整体令牌。
在一示例性实施例中,所述关系学习模块包括:混合令牌获取单元,用于将原子令牌和整体令牌分别进行全连接后拼接,得到混合令牌;特征关系学习单元,用于利用编码器学习所述混合令牌之间的特征关系;关系转换单元,用于将所述特征关系转换至所述输入特征图所在的特征空间,得到所述人脸图像的关系特征图。
在一示例性实施例中,所关系转换单元包括:特征令牌获取子单元,用于对所述特征关系进行全连接并按照所述人脸图像中人脸区域的个数压缩,得到特征令牌;特征图得到子单元,用于将所述特征令牌与关于所述人脸图像中人脸区域的分割掩码相乘,得到所述人脸图像的关系特征图。
在一示例性实施例中,所述特征输出模块包括:特征输出单元,用于将所述人脸图像的关系特征图与所述输入特征图相加,得到所述人脸图像的输出特征图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310256322.1/2.html,转载请声明来源钻瓜专利网。