CN112149635A - 跨模态人脸识别模型训练方法、装置、设备以及存储介质 - Google Patents
跨模态人脸识别模型训练方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112149635A CN112149635A CN202011143075.7A CN202011143075A CN112149635A CN 112149635 A CN112149635 A CN 112149635A CN 202011143075 A CN202011143075 A CN 202011143075A CN 112149635 A CN112149635 A CN 112149635A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- modal
- modality
- recognition model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 title claims abstract description 47
- 230000006870 function Effects 0.000 claims abstract description 42
- 230000015654 memory Effects 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000013508 migration Methods 0.000 abstract description 3
- 230000005012 migration Effects 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了跨模态人脸识别模型训练方法、装置、设备以及存储介质,涉及计算机视觉、深度学习、大数据、人脸识别技术领域。方法的一具体实施方式包括:获取具有预定识别精度的第一模态人脸识别模型;获取人脸第一模态图像和人脸第二模态图像;获取人脸第一模态图像的特征值和人脸第二模态图像的特征值;基于人脸第一模态图像的特征值和人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型,从而采用域迁移技术把人脸第一模态识别模型的分类能力迁移到人脸其他模态数据上,达到增强对人脸其他模态的识别能力的目的。
Description
技术领域
本申请涉及计算机技术领域,具体涉及计算机视觉、深度学习、大数据、人脸识别技术领域,尤其涉及跨模态人脸识别模型训练方法、装置、设备以及存储介质。
背景技术
目前普遍应用的相机是RGB(红、绿、蓝三个通道的颜色)相机,获取RGB模态的人脸数据较为容易,RGB模态人脸识别模型的训练数据是充足的。但是,除了RGB模态之外更多其他模态的人脸数据,比如Depth(深度)和NIR(近红外)等,由于成本或技术上存在很大难度,目前其它模态的人脸数据极少。
发明内容
为了解决上述背景技术部分提到的一个或多个技术问题,本申请实施例提供了跨模态人脸识别模型训练方法、装置、设备以及存储介质。
第一方面,本申请实施例提供了跨模态人脸识别模型训练方法,包括:获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;获取人脸第一模态图像和人脸第二模态图像,以及将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型。
第二方面,本申请实施例提供了跨模态人脸识别模型训练装置,包括:模型获取模块,被配置为获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;图像获取模块,被配置为获取人脸第一模态图像和人脸第二模态图像;特征值获取模块,被配置为将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;模型调参模块,被配置为基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型。
第三方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
本申请实施例提供的跨模态人脸识别模型训练方法、装置、设备以及存储介质,首先获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;之后获取人脸第一模态图像和人脸第二模态图像,以及将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;最后基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型,从而采用域迁移技术把人脸第一模态识别模型的分类能力迁移到人脸其他模态数据上,达到增强人脸其他模态识别能力的目的。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的跨模态人脸识别模型训练方法的一个实施例的流程示意图;
图3是本申请的跨模态人脸识别模型训练装置的一个实施例的结构示意图;
图4是用来实现本申请实施例的跨模态人脸识别模型训练方法的电子设备的框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的跨模态人脸识别模型训练方法或跨模态人脸识别模型训练装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、网络102、服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101可以通过网络102与服务器103交互。终端设备101中可以提供人脸第一模态图像和人脸第二模态图像,包括但不限于数据库、用户终端等等。
服务器103可以提供各种服务,例如服务器103可以对从终端设备101获取到的人脸第一模态图像和人脸第二模态图像等数据进行分析等处理,生成处理结果(例如得到训练完成的跨模态人脸识别模型)。
需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的跨模态人脸识别模型训练方法一般由服务器103执行,相应地,跨模态人脸识别模型训练装置一般设置于服务器103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的跨模态人脸识别模型训练方法的一个实施例的流程200。该方法,包括以下步骤:
步骤201,获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型。
在本实施例中,跨模态人脸识别模型训练方法的执行主体(例如图1所示的服务器103)可以获取具有预定识别精度的第一模态人脸识别模型。
其中,第一模态人脸识别模型的训练过程包括:获取人脸第一模态图像的特征向量;将人脸第一模态图像的特征向量作为第一模态人脸识别模型的输入,将与人脸第一模态图像的特征向量对应的数据标签作为第一模态人脸识别模型的输出,对第一模态人脸识别模型的初始模型进行训练,生成训练完成的第一模态人脸识别模型。第一模态人脸识别模型训练完成后,需要对其识别精度进行判断,并将达到预定识别精度的第一模态人脸识别模型输出。
具体地,训练完成的第一模态人脸识别模型的识别精度通过如下方式判断:采用由人脸第一模态图像组成的测试集测试训练完成的第一模态人脸识别模型的识别精度,判断其识别精度是否大于或等于预设阈值(例如90%);若第一模态人脸识别模型的识别精度大于预设阈值,则将第一模态人脸识别模型输出。若第一模态人脸识别模型的识别精度小于预设阈值,则采用不同样本重新提取人脸第一模态图像的人脸特征向量,并对第一模态人脸识别模型继续进行训练,直到第一模态人脸识别模型的人脸识别精度大于或等于预设阈值,并将训练好的、且达到预定识别精度的第一模态人脸识别模型输出。
在本实施例中,第一模态人脸识别模型的初始模型可以是未经训练的第一模态人脸识别模型或未训练完成的第一模态人脸识别模型,初始化的第一模态人脸识别模型的各层可以设置有初始参数,参数在第一模态人脸识别模型的训练过程中可以被不断地调整。
第一模态人脸识别模型的初始模型可以是各种类型的未经训练或未训练完成的人工神经网络或者对多种未经训练或未训练完成的人工神经网络进行组合所得到的模型,例如,第一模态人脸识别模型的初始模型可以是未经训练的卷积神经网络,也可以是未经训练的循环神经网络,还可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合所得到的模型。第一模态人脸识别模型的初始模型可以是任何一种分类型神经网络模型,例如Mobilenetv1/v2/v3,Resnet等。
步骤202,获取人脸第一模态图像和人脸第二模态图像。
在本实施例中,上述执行主体可以获取人脸第一模态图像和人脸第二模态图像。其中,人脸第一模态图像可以是数据量充足的人脸模态数据,人脸第二模态图像可以是数据量较少的人脸模态数据。利用不同的成像原理、设备得到图像呈现的模态也不同。
例如,人脸第一模态图像可以是RGB图像、CT图像、MRI图像、PET图像等,人脸第二模态图像可以是NIR图像、Depth图像等等。
示例性地,RGB色彩模式是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色。RGB图像通过普通的相机就可以采集到。
但是,NIR(近红外光)图像或Depth(深度)图像则需要专业的设备(例如Kinect或者RealSense多模态相机)才能采集,所以NIR图像或Depth图像往往很难采集到,其数据量较少。
由于人脸第一模态图像的数据量充足,由其训练出来的人脸识别模型具有较高的识别精度。但是由于人脸第二模态图像的数据量较少,仅由其训练出来的人脸识别模型往往容易出现过拟合的问题,影响识别精度。
步骤203,将人脸第一模态图像和人脸第二模态图像输入至第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值。
在本实施例中,上述执行主体将人脸第一模态图像和人脸第二模态图像输入至第一模态人脸识别模型。其中,这里的第一模态人脸识别模型指的是通过执行上述步骤201而获得的、具有预定识别精度的第一模态人脸识别模型。
其中,将人脸第一模态图像和人脸第二模态图像输入至第一模态人脸识别模型中,可以求得人脸第一模态图像的特征值和人脸第二模态图像的特征值。例如,人脸第一模态图像或人脸第二模态图像经过神经网络模型中的卷积核,每个卷积核都可以提取图像的特征值。
步骤204,基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型。
在本实施例中,上述执行主体基于人脸第一模态图像的特征值和人脸第二模态图像的特征值的差异构造损失函数。构造完损失函数后,可以根据损失函数调整第一模态人脸识别模型的参数,直至损失函数收敛。
具体地,通过调整第一模态人脸识别模型的参数,使得人脸第一模态图像的特征值与人脸第二模态图像的特征值的分布达到预定的相似度(例如90%),从而得到训练完成的跨模态人脸识别模型。
本申请上述实施例中的跨模态人脸识别模型训练方法,与现有技术相比,由于人脸第一模态图像的数据量充足,由其训练出来的人脸识别模型具有较高的识别精度,而本申请实施例通过约束损失函数和训练方案,采用域迁移技术把人脸第一模态识别模型的强分类能力迁移到人脸其他模态数据上,达到增强人脸其他模态识别能力的目的。
在上述实施例的一些可选的实施方式中,上述步骤202中的获取人脸第一模态图像和人脸第二模态图像包括:获取等量的人脸第一模态图像和人脸第二模态图像。具体地,可以将图像训练数据分成多个批次(batch),每个批次平分成两份,一半只有人脸第一模态图像,另一半只有人脸第二模态图像。例如,一个批次共2048张图像,其中1024张图像是人脸第一模态,另外1024张是人脸第二模态。通过把图像训练数据分成等量的人脸第一模态图像和人脸第二模态图像,可以做到样本均衡,防止网络模型训练到某一种图像类别。
在本实施例的一些可选的实施方式中,损失函数可以与人脸第一模态图像的特征值的均值和人脸第二模态图像的特征值的均值存在函数映射关系。损失函数也可以与人脸第一模态图像的特征值的方差和人脸第二模态图像的特征值的方差存在函数映射关系。损失函数还可以与人脸第一模态图像的特征值的平均值、方差和人脸第二模态图像的特征值的平均值、方差存在函数映射的关系。例如,损失函数如下:
其中,损失函数里的UN表示人脸第二模态图像的特征值的平均值,UV表示人脸第一模态图像的特征值的均值,σn表示人脸第二模态图像的特征值的方差,σv表示人脸第一模态图像的特征值的方差。调整第一模态人脸识别模型的参数,使得人脸第一模态图像的特征值的平均值UV与人脸第二模态图像的特征值的平均值UN达到预定的相似度(例如99%);和/或人脸第一模态图像的特征值的方差σv与人脸第二模态图像的特征值的方差σn达到预定的相似度(例如99%)。人脸第一模态图像的特征值的平均值与人脸第二模态图像的特征值的平均值越接近或人脸第一模态图像的特征值的方差与人脸第二模态图像的特征值的方差越接近,损失函数值越小。
在上述实施例的一些可选的实施方式中,还包括:采用同一人脸的第一模态图像和第二模态图像对训练完成的跨模态人脸识别模型进行微调,得到优化后的跨模态人脸识别模型。跨模态人脸识别模型训练好以后,可以使用人脸混合模态数据进行微调fine-tuning,即同一人的第一模态图像和第二模态图像,标签一致。具体fine-tuning过程为:先固定跨模态人脸识别模型的网络主干部分权重,即不做训练,只训练模型的最后一层全连接层;等到上一步训练到的训练集精度达到预设的阈值(例如90%)后,解开模型的全部网络层参数进行训练,即训练全部网络。通过对跨模态人脸识别模型进行微调有助于提升其人脸识别的精度。
进一步参考图3,作为对上述各图所示方法的实现,本申请提供了一种跨模态人脸识别模型训练的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例的跨模态人脸识别模型训练装置300可以包括:模型获取模块301、图像获取模块302、特征值获取模块303、模型调参模块304。其中,模型获取模块301,被配置为获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;图像获取模块302,被配置为获取人脸第一模态图像和人脸第二模态图像;特征值获取模块303,被配置为将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;模型调参模块304,被配置为基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型。
在本实施例中,跨模态人脸识别模型训练装置300中:第一模态人脸识别模型获取模块301、图像获取模块302、特征值获取模块303、调参模块304的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,所述图像获取模块进一步被配置成:获取等量的人脸第一模态图像和人脸第二模态图像。
在本实施例的一些可选的实现方式中,所述模型调参模块进一步被配置成:调整所述第一模态人脸识别模型的参数,直至所述人脸第一模态图像的特征值的平均值与所述人脸第二模态图像的特征值的平均值达到预定的相似度;和/或所述人脸第一模态图像的特征值的方差与所述人脸第二模态图像的特征值的方差达到预定的相似度。
在本实施例的一些可选的实现方式中,所述装置还包括:微调模块,被配置为采用同一人脸的第一模态图像和第二模态图像对所述训练完成的跨模态人脸识别模型进行微调,得到优化后的跨模态人脸识别模型。
在本实施例的一些可选的实现方式中,所述第一模态图像为RGB图像,所述第二模态图像为NIR图像、Depth图像中的至少一种。
如图4所示,是根据本申请实施例的跨模态人脸识别模型训练方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的跨模态人脸识别模型训练方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的跨模态人脸识别模型训练方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的跨模态人脸识别模型训练方法对应的程序指令/模块(例如,附图3所示的第一模态人脸识别模型获取模块301、图像获取模块302、特征值获取模块303、调参模块304)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的跨模态人脸识别模型训练方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据跨模态人脸识别模型训练方法的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至跨模态人脸识别模型训练方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
跨模态人脸识别模型训练方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与跨模态人脸识别模型训练方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请的技术方案,首先获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;之后获取人脸第一模态图像和人脸第二模态图像,以及将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;最后基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型,从而采用域迁移技术把人脸第一模态识别模型的分类能力迁移到人脸其他模态数据上,达到增强人脸其他模态识别能力的目的。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种跨模态人脸识别模型训练方法,包括:
获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;
获取人脸第一模态图像和人脸第二模态图像;
将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;
基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型。
2.根据权利要求1所述的方法,所述获取人脸第一模态图像和人脸第二模态图像包括:
获取等量的人脸第一模态图像和人脸第二模态图像。
3.根据权利要求2所述的方法,所述基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛包括:
调整所述第一模态人脸识别模型的参数,直至满足以下至少一项:所述人脸第一模态图像的特征值的平均值与所述人脸第二模态图像的特征值的平均值达到预定的相似度;所述人脸第一模态图像的特征值的方差与所述人脸第二模态图像的特征值的方差达到预定的相似度。
4.根据权利要求1所述的方法,还包括:
采用同一人脸的第一模态图像和第二模态图像对所述训练完成的跨模态人脸识别模型进行微调,得到优化后的跨模态人脸识别模型。
5.根据权利要求1-4任一项所述的方法,所述第一模态图像为RGB图像,所述第二模态图像为NIR图像、Depth图像中的至少一种。
6.一种跨模态人脸识别模型训练装置,其特征在于,所述装置包括:
模型获取模块,被配置为获取采用人脸第一模态图像训练的、具有预定识别精度的第一模态人脸识别模型;
图像获取模块,被配置为获取人脸第一模态图像和人脸第二模态图像;
特征值获取模块,被配置为将所述人脸第一模态图像和所述人脸第二模态图像输入至所述第一模态人脸识别模型,得到人脸第一模态图像的特征值和人脸第二模态图像的特征值;
模型调参模块,被配置为基于所述人脸第一模态图像的特征值和所述人脸第二模态图像的特征值的差异构造损失函数,以及基于损失函数调整所述第一模态人脸识别模型的参数,直至损失函数收敛,得到训练完成的跨模态人脸识别模型。
7.根据权利要求6所述的装置,其中,所述图像获取模块进一步被配置成:
获取等量的人脸第一模态图像和人脸第二模态图像。
8.根据权利要求6所述的装置,其中,所述模型调参模块进一步被配置成:
调整所述第一模态人脸识别模型的参数,直至满足以下至少一项:所述人脸第一模态图像的特征值的平均值与所述人脸第二模态图像的特征值的平均值达到预定的相似度;所述人脸第一模态图像的特征值的方差与所述人脸第二模态图像的特征值的方差达到预定的相似度。
9.根据权利要求6所述的装置,所述装置还包括:
微调模块,被配置为采用同一人脸的第一模态图像和第二模态图像对所述训练完成的跨模态人脸识别模型进行微调,得到优化后的跨模态人脸识别模型。
10.根据权利要求6-9任一项所述的方法,所述第一模态图像为RGB图像,所述第二模态图像为NIR图像、Depth图像中的至少一种。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143075.7A CN112149635A (zh) | 2020-10-23 | 2020-10-23 | 跨模态人脸识别模型训练方法、装置、设备以及存储介质 |
EP21180579.1A EP3893153A3 (en) | 2020-10-23 | 2021-06-21 | Method and apparatus for training cross-modal face recognition model, device and storage medium |
US17/354,898 US20210390346A1 (en) | 2020-10-23 | 2021-06-22 | Method and apparatus for training cross-modal face recognition model, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143075.7A CN112149635A (zh) | 2020-10-23 | 2020-10-23 | 跨模态人脸识别模型训练方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149635A true CN112149635A (zh) | 2020-12-29 |
Family
ID=73954685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143075.7A Pending CN112149635A (zh) | 2020-10-23 | 2020-10-23 | 跨模态人脸识别模型训练方法、装置、设备以及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210390346A1 (zh) |
EP (1) | EP3893153A3 (zh) |
CN (1) | CN112149635A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507897A (zh) * | 2020-12-14 | 2021-03-16 | 奥比中光科技集团股份有限公司 | 跨模态人脸识别方法、装置、设备及存储介质 |
CN113269719A (zh) * | 2021-04-16 | 2021-08-17 | 北京百度网讯科技有限公司 | 模型训练、图像处理方法,装置,设备以及存储介质 |
CN115147679A (zh) * | 2022-06-30 | 2022-10-04 | 北京百度网讯科技有限公司 | 多模态图像识别方法和装置、模型训练方法和装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708471B (zh) * | 2022-06-06 | 2022-09-06 | 中国科学院自动化研究所 | 跨模态图像生成方法、装置、电子设备与存储介质 |
CN116168221B (zh) * | 2023-04-25 | 2023-07-25 | 中国人民解放军火箭军工程大学 | 基于Transformer的跨模态图像匹配定位方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909905A (zh) * | 2017-03-02 | 2017-06-30 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的多模态人脸识别方法 |
US20190114773A1 (en) * | 2017-10-13 | 2019-04-18 | Beijing Curacloud Technology Co., Ltd. | Systems and methods for cross-modality image segmentation |
WO2020034542A1 (zh) * | 2018-08-17 | 2020-02-20 | 平安科技(深圳)有限公司 | 神经网络模型训练、人脸识别方法、装置、设备及介质 |
CN111523663A (zh) * | 2020-04-22 | 2020-08-11 | 北京百度网讯科技有限公司 | 一种模型训练方法、装置以及电子设备 |
CN111667027A (zh) * | 2020-07-03 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 多模态图像的分割模型训练方法、图像处理方法及装置 |
-
2020
- 2020-10-23 CN CN202011143075.7A patent/CN112149635A/zh active Pending
-
2021
- 2021-06-21 EP EP21180579.1A patent/EP3893153A3/en not_active Withdrawn
- 2021-06-22 US US17/354,898 patent/US20210390346A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909905A (zh) * | 2017-03-02 | 2017-06-30 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的多模态人脸识别方法 |
US20190114773A1 (en) * | 2017-10-13 | 2019-04-18 | Beijing Curacloud Technology Co., Ltd. | Systems and methods for cross-modality image segmentation |
WO2020034542A1 (zh) * | 2018-08-17 | 2020-02-20 | 平安科技(深圳)有限公司 | 神经网络模型训练、人脸识别方法、装置、设备及介质 |
CN111523663A (zh) * | 2020-04-22 | 2020-08-11 | 北京百度网讯科技有限公司 | 一种模型训练方法、装置以及电子设备 |
CN111667027A (zh) * | 2020-07-03 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 多模态图像的分割模型训练方法、图像处理方法及装置 |
Non-Patent Citations (8)
Title |
---|
DAT TIEN NGUYEN等: "Person Recognition System Based on a Combination of Body Images from Visible Light and Thermal Cameras", 《SENSORS》, 16 March 2017 (2017-03-16), pages 1 - 29 * |
JING HUO等: "Ensemble of Sparse Cross-Modal Metrics for Heterogeneous Face Recognition", 《PROCEEDINGS OF THE 2016 ACM ON MULTIMEDIA CONFERENCE》 * |
RAN HE等: "Wasserstein CNN: Learning Invariant Features for NIR-VIS Face Recognition", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》, vol. 41, no. 7, 31 July 2019 (2019-07-31), pages 1761 - 1773, XP011728020, DOI: 10.1109/TPAMI.2018.2842770 * |
庄建等: "《深度学习图像识别技术》", 29 February 2020, 北京:机械工业出版社, pages: 66 - 67 * |
张博麟;陈征;: "跨模态哈希学习研究进展", 无线通信技术, no. 04 * |
杨晓欣: "《数控电火花线切割加工工艺及应用》", 31 August 2010, 北京:国防工业出版社, pages: 273 * |
陆泉等: "《基于大数据挖掘的医疗健康公共服务》", 30 June 2020, 武汉:武汉大学出版社, pages: 285 - 286 * |
陈敏: "《人工智能通信理论与方法》", 31 January 2020, 武汉:华中科技大学出版社, pages: 185 - 186 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507897A (zh) * | 2020-12-14 | 2021-03-16 | 奥比中光科技集团股份有限公司 | 跨模态人脸识别方法、装置、设备及存储介质 |
WO2022127111A1 (zh) * | 2020-12-14 | 2022-06-23 | 奥比中光科技集团股份有限公司 | 跨模态人脸识别方法、装置、设备及存储介质 |
CN113269719A (zh) * | 2021-04-16 | 2021-08-17 | 北京百度网讯科技有限公司 | 模型训练、图像处理方法,装置,设备以及存储介质 |
CN115147679A (zh) * | 2022-06-30 | 2022-10-04 | 北京百度网讯科技有限公司 | 多模态图像识别方法和装置、模型训练方法和装置 |
CN115147679B (zh) * | 2022-06-30 | 2023-11-14 | 北京百度网讯科技有限公司 | 多模态图像识别方法和装置、模型训练方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3893153A3 (en) | 2021-12-29 |
EP3893153A2 (en) | 2021-10-13 |
US20210390346A1 (en) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149635A (zh) | 跨模态人脸识别模型训练方法、装置、设备以及存储介质 | |
US11587300B2 (en) | Method and apparatus for generating three-dimensional virtual image, and storage medium | |
US9552656B2 (en) | Image-based color palette generation | |
US9741137B2 (en) | Image-based color palette generation | |
US9396560B2 (en) | Image-based color palette generation | |
CN112149634B (zh) | 图像生成器的训练方法、装置、设备以及存储介质 | |
CN107679466B (zh) | 信息输出方法和装置 | |
CN109344752B (zh) | 用于处理嘴部图像的方法和装置 | |
CN111968203B (zh) | 动画驱动方法、装置、电子设备及存储介质 | |
CN111862277A (zh) | 用于生成动画的方法、装置、设备以及存储介质 | |
CN111709875B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN108876751A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN112241716B (zh) | 训练样本的生成方法和装置 | |
CN111768377B (zh) | 图像色彩评估方法、装置、电子设备及存储介质 | |
CN111783427B (zh) | 用于训练模型与输出信息的方法、装置、设备及存储介质 | |
CN111523467A (zh) | 人脸跟踪方法和装置 | |
CN112016523B (zh) | 跨模态人脸识别的方法、装置、设备和存储介质 | |
CN110472600A (zh) | 眼底图识别及其训练方法、装置、设备和存储介质 | |
CN112381927A (zh) | 图像生成的方法、装置、设备以及存储介质 | |
CN113269719A (zh) | 模型训练、图像处理方法,装置,设备以及存储介质 | |
CN112116548A (zh) | 人脸图像的合成方法、装置 | |
CN112561059A (zh) | 用于模型蒸馏的方法和装置 | |
CN112529180A (zh) | 模型蒸馏的方法和装置 | |
CN111275110A (zh) | 图像描述的方法、装置、电子设备及存储介质 | |
US11615609B2 (en) | Learning apparatus, inferring apparatus, learning method, program, and inferring method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |