[发明专利]模型更新方法和装置、人脸识别方法、设备及存储介质

说明书

本申请提供了一种模型更新方法和装置、人脸识别方法、设备及存储介质，属于金融科技技术领域。该方法包括：对样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据；获取原始人脸识别模型，原始人脸识别模型包括识别网络；获取识别网络的原始隐藏层单元的第一位置分布数据和第一单元数量；基于第一位置分布数据和第一单元数量，确定新增隐藏层单元的第二单元数量和第二位置分布数据；基于训练人脸图像数据、第二单元数量和第二位置分布数据对原始人脸识别模型进行模型训练，得到初始人脸识别模型；基于测试人脸图像数据对初始人脸识别模型进行模型优化，得到目标人脸识别模型。本申请能够提高模型对人脸识别的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型更新方法和装置、人脸识别方法、设备及存储介质。

背景技术

随着模式识别技术的逐步成熟，基于生物体体征对生物个体进行生物识别开始在身份识别领域得到应用及推广，许多支付平台已经基于人脸识别推出刷脸支付等快捷支付方式。

目前的人脸识别方法在边缘设备上基于模型对采集到的人脸图像进行图像识别时，常常难以全面地提取人脸视觉信息，无法直接、准确地识别出人脸图像对应的人物身份，存在着人脸识别准确性不高的问题。

发明内容

本申请实施例的主要目的在于提出一种语音转换模型的训练方法和装置、电子设备及存储介质，旨在提高模型对人脸识别的准确性。

为实现上述目的，本申请实施例的第一方面提出了一种模型更新方法，所述方法包括：

获取样本人脸图像数据；

对所述样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据；

获取原始人脸识别模型，其中，所述原始人脸识别模型包括特征提取网络和识别网络；

获取所述识别网络的原始隐藏层单元的第一位置分布数据和第一单元数量；

基于所述第一位置分布数据和所述第一单元数量，确定新增隐藏层单元的第二单元数量和第二位置分布数据；

基于所述训练人脸图像数据和所述新增隐藏层单元的第二单元数量和第二位置分布数据对所述原始人脸识别模型进行模型训练，得到初始人脸识别模型；

基于所述测试人脸图像数据对所述初始人脸识别模型进行模型优化，得到目标人脸识别模型，所述目标人脸识别模型用于对目标对象的目标人脸图像进行识别处理，得到所述目标对象的人物身份信息。

在一些实施例，所述对所述样本人脸图像数据进行数据划分，得到训练人脸图像数据和测试人脸图像数据，包括：

对所述样本人脸图像数据进行图像亮度调整，得到中间人脸图像数据；

对所述中间人脸图像数据进行像素归一化，得到初始人脸图像数据；

根据预设的比例参数对所述初始人脸图像数据进行数据划分，得到所述训练人脸图像数据和测试人脸图像数据。

在一些实施例，所述基于所述训练人脸图像数据和所述新增隐藏层单元的第二单元数量和第二位置分布数据对所述原始人脸识别模型进行模型训练，得到初始人脸识别模型，包括：

根据所述第二单元数量和所述第二位置分布数据对所述原始人脸识别模型进行模型增强，得到中间人脸识别模型；

基于所述训练人脸图像数据对所述中间人脸识别模型进行模型训练，得到模型损失值；

根据所述模型损失值对所述原始人脸识别模型进行参数更新，得到所述初始人脸识别模型。

在一些实施例，所述基于所述测试人脸图像数据对所述初始人脸识别模型进行模型优化，得到目标人脸识别模型，包括：