CN115546510A - 图像检测方法和图像检测模型训练的方法 - Google Patents

图像检测方法和图像检测模型训练的方法 Download PDF

Info

Publication number
CN115546510A
CN115546510A CN202211351224.8A CN202211351224A CN115546510A CN 115546510 A CN115546510 A CN 115546510A CN 202211351224 A CN202211351224 A CN 202211351224A CN 115546510 A CN115546510 A CN 115546510A
Authority
CN
China
Prior art keywords
image
target
training
classification
network
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
Application number
CN202211351224.8A
Other languages
English (en)
Inventor
张国生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211351224.8A priority Critical patent/CN115546510A/zh
Publication of CN115546510A publication Critical patent/CN115546510A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种图像检测方法和图像检测模型训练的方法，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于人脸识别、活体检测等场景。实现方案为：获得目标图像，目标图像对应于多个类别中的一个类别，多个类别中的每一个类别具有相应的聚类中心，聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；基于目标图像，获得目标图像的图像特征，图像特征指示多个类别中的一个类别；以及基于目标图像的图像特征和多个类别中的至少目标类别对应的聚类中心，获得目标图像的检测结果，检测结果指示目标图像是否对应于目标类别。

Description

图像检测方法和图像检测模型训练的方法
技术领域
本公开涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于人脸识别、活体检测等场景，具体涉及一种图像检测方法和图像检测模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的图像检测技术，通过图像检测模型获得图像的图像特征，并基于图像特征获得图像的分类结果，已经广泛应用于各种场景。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像检测方法和图像检测模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种图像检测方法，包括：获得目标图像，所述目标图像对应于多个类别中的一个类别，所述多个类别中的每一个类别具有相应的聚类中心，该聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；基于所述目标图像，获得所述目标图像的图像特征，所述图像特征指示所述多个类别中的一个类别；以及基于所述目标图像的图像特征和所述多个类别中的至少目标类别对应的聚类中心，获得所述目标图像的检测结果，所述检测结果指示所述目标图像是否对应于所述目标类别。
根据本公开的另一方面，提供了一种图像检测模型的训练方法，其中，所述图像检测模型包括特征提取网络和初始分类网络，所述初始分类网络包括与多个类别分别对应的多个分类子网络，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，所述方法包括：获得训练图像；通过将所述训练图像输入到特征提取网络，获得所述训练图像的图像特征；基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心，并且获得所述多个聚类中心中与所述训练图像相应的目标聚类中心；基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络；将所述训练图像的图像特征输入至所述第一分类网络，以获得所述训练图像的预测结果，所述预测结果指示所述训练图像对应于所述多个类别中的相应类别；以及基于所述多个类别中与所述目标聚类中心相应的第一类别和所述预测结果，调整所述特征提取网络的参数。
根据本公开的另一方面，提供了一种图像检测装置，包括：目标图像获取单元，被配置用于获得目标图像，所述目标图像对应于多个类别中的一个类别，所述多个类别中的每一个类别具有相应的聚类中心，该聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；特征提取单元，被配置用于基于所述目标图像，获得所述目标图像的图像特征，所述图像特征指示所述多个类别中的一个类别；以及检测结果获取单元，被配置用于基于所述目标图像的图像特征和所述多个类别中的至少目标类别对应的聚类中心，获得所述目标图像的检测结果，所述检测结果指示所述目标图像是否对应于所述目标类别。根据本公开的另一方面，提供了一种图像检测模型的训练方法，其中，所述图像检测模型包括特征提取网络和初始分类网络，所述初始分类网络包括与多个类别分别对应的多个分类子网络，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，所述装置包括：训练图像获取单元，被配置用于获得训练图像；图像输入单元，配置用于通过将所述训练图像输入到特征提取网络，获得所述训练图像的图像特征；聚类中心更新单元，被配置用于基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心，并且获得所述多个聚类中心中与所述训练图像相应的目标聚类中心；分类网络获取单元，被配置用于基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络；预测结果获取单元，被配置用于将所述训练图像的图像特征输入至所述第一分类网络，以获得所述训练图像的预测结果，所述预测结果指示所述训练图像对应于所述多个类别中的相应类别；以及参数调整单元，被配置用于基于所述多个类别中与所述目标聚类中心相应的第一类别和所述预测结果，调整所述特征提取网络的参数。
根据本公开的另一方面，提供了一种电子设备，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根据本公开的实施例所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例，可以使模型有效学习多不同类别的图像之间的差异，提升所获得的图像检测结果的准确性。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的图像检测方法的流程图；
图3示出了根据本公开的实施例的图像检测模型的训练方法的流程图；
图4示出了根据本公开的实施例的图像检测模型的训练方法中基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心的流程图；
图5示出了可以实现根据本公开的实施例的图像检测模型的训练方法的过程的示意图；
图6示出了根据本公开的实施例的图像检测装置的结构框图；
图7示出了根据本公开的实施例的图像检测模型的训练装置结构框图；以及
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的图像检测方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收根据本公开的图像检测方法所获得的检测结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
在相关技术中，往往基于二分类的方法，进行人脸活体检测。具体的，通过将图像进行活体类别和攻击类别之间的区分，以检测图像是否来自于活体人脸。然而，实际应用中，攻击类别往往复杂多样，不同攻击类别所对应的图像的特征之间的差别巨大，使得简单的二分类方法往往难以获得准确的检测结果。
根据本公开的一方面，提供了一种图像检测方法。如图2所示，根据本公开的一些实施例的图像检测方法200包括：
步骤S210：获得目标图像，所述目标图像对应于多个类别中的一个类别，所述多个类别中的每一个类别具有相应的聚类中心，该聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；
步骤S220：基于所述目标图像，获得所述目标图像的图像特征，所述图像特征指示所述多个类别中的一个类别；以及
步骤S230：基于所述目标图像的图像特征和所述多个类别中的至少目标类别对应的聚类中心，获得所述目标图像的检测结果，所述检测结果指示所述目标图像是否对应于所述目标类别。
通过针对获得目标图像对应于多个类别中的一个类别的图像特征，使得该图像特征在多个类别中具有可分性，并基于该图像特征与多个类别中至少目标类别对应的聚类中心，获得分类结果，提升检测结果的准确性。
在一些实施例中，在步骤S210中，通过获得摄像装置拍摄的图像，以获得目标图像。
在一些实施例中，目标图像是任意要对其执行图像检测任务以获得检测结果的图像，其中，多个类别与图像检测的任务相应。
在一些实施例中，目标图像是包含有人脸的图像，对该目标图像进行人脸活体检测任务，以确定该目标图像是否来自于活体人脸。其中，多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别。
在一些实施例中，在步骤S220中，通过将目标图像输入到特征提取网络中，以获得该目标图像的图像特征。
在一些实施例中，所述特征提取网络是通过与分类网络组成图像检测模型后采用训练图像训练所述图像检测模型而获得的，其中，
所述分类网络包括与所述多个类别分别对应的多个分类子网络，并且其中，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，并且其中，
在训练过程中，通过将所述训练图像输入到特征提取网络获得所述训练图像的图像特征，基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心并且获得所述多个聚类中心中与所述训练图像相应的第一聚类中心和所述分类网络，将所述训练图像的图像特征输入到基于更新后的多个聚类中心和所述分类网络获得的第一分类网络获得预测结果，以及基于所述多个类别中与所述第一聚类中心所对应的第一类别和所述预测结果，调整所述特征提取网络的参数。
在相关技术中，在训练图像检测模型的过程中，基于训练图像的标注标签进行二分类监督，使得经训练的图像检测模型基于输入图像获得指示该输入图像是否对应于目标类别的检测结果，其中，标注标签指示该训练图像是否对应于目标类别。由于训练图像往往对应于多个类别，各个类别所对应的图像的特征之间的差别巨大，使得经简单的二分类监督训练后的图像检测模型，泛化性较差，对于目标类别以外的其他类别的图像，往往难以获得准确的检测结果。
根据本公开的实施例，在图像检测模型的训练过程中，通过特征提取网络获得训练图像的图像特征，并且基于训练图像的图像特征更新与多个类别分别对应的聚类中心，将该多个类别对应的多个聚类中心作为分类网络的多个代理权重使得分类网络基于训练图像的图像特征获得预测结果，同时，基于训练图像的图像特征所属的聚类中心获得训练图像的伪标签(聚类中心对应类别)，进行监督训练，使得经训练的图像检测模型中的特征提取网络基于图像所提取的图像特征具有较好的类别可分性(能够在多个类别之间进行区分)，各个类别所对应的图像的图像特征分别聚集，从而使图像检测模型能够学习到各个类别的图像的图像特征之间的差异，对图像在多个类别之间进行良好的区分，进而进一步提升检测结果的准确性。
例如，在人脸活体检测中，通过上述训练过程，使得图像检测模型(例如，人脸活体检测模型)中的特征提取网络基于图像所提取的特征能够在人脸活体类别和各个攻击类别(例如，头模攻击类别、纸质攻击类别或者屏幕攻击类别)之间进行较好的区分，活体类别对应的多个图像的图像特征聚集，每一个攻击类别对应的多个图像的图像特征进行聚集，使图像检测模型能够针对图像在人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别进行良好的区分，提升获得的检测结果的准确性。
同时，根据本公开的实施例，在图像检测模型的训练过程中，不需要对训练图像针对每一个类别进行标注，其采用基于训练图像的图像特征获得的与训练图像对应的第一聚类中心作为伪标签，以进行训练，有效节省了标注成本。
可以理解，在根据本公开的其他实施例中，还可以获得训练图像的标注标签，基于标注标签进行图像检测模型的参数调整，在此并不限定。
在一些实施例中，在步骤S230中，通过将目标图像的图像特征输入到分类网络，以获得目标图像的检测结果。
在一些实施例中，分类网络可以是上述与特征提取网络构成图像检测模型一起训练的分类网络，其包括与多个类别中的每一个类别对应的分类子网络。
在另一些实施例中，分类网络可以是上述与特征提取网络构成图像检测模型一起训练的分类网络中的一个分类子网络。
在一些实施例中，在步骤S230中，通过将所述目标图像的图像特征输入到所述分类网络中与所述目标类别对应的目标分类子网络中，以获得所述检测结果。其中，目标类别是拟对目标图像进行检测，以确定目标图像是否与之对应的类别。
例如，在人脸活体检测中，要对目标图像进行检测，以确定目标图像是否与人脸活体类别对应，则在步骤S230中，通过将目标图像的图像特征输入到分类网络中与人脸活体类别对应的分类子网络中，以获得指示该目标图像是否对应于人脸活体类别的检测结果。
通过仅仅与目标类别对应的目标分类子网络，获得检测结果，由于目标分类子网络的部署资源较包含多个分类子网络的分类网络占用的部署资源少，可以减少计算资源的消耗。
在一些实施例中，特征提取网络可以是卷积神经网络；分类网络可以是全链接层网络，其中全链接层网络包括多个链接层，该多个链接层与多个分类分别对应。
根据本公开的另一方面，还提供了一种图像检测模型的训练方法，其中，所述图像检测模型包括特征提取网络和初始分类网络，所述初始分类网络包括与多个类别分别对应的多个分类子网络，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的。参看图3，示出了根据本公开的一些实施例的图像检测模型的训练方法300包括：
步骤S310：获得训练图像；
步骤S320：通过将所述训练图像输入到特征提取网络，获得所述训练图像的图像特征；
步骤S330：基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心，并且获得所述多个聚类中心中与所述训练图像相应的目标聚类中心；
步骤S340：基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络；
步骤S350：将所述训练图像的图像特征输入至所述第一分类网络，以获得所述训练图像的预测结果，所述预测结果指示所述训练图像对应于所述多个类别中的相应类别；以及
步骤S360：基于所述多个类别中与所述目标聚类中心相应的第一类别和所述预测结果，调整所述特征提取网络的参数。
在相关技术中，基于训练图像的标注标签对图像检测模型进行二分类监督，使得经训练的图像检测模型基于输入图像获得指示该输入图像是否对应于目标类别的检测结果，其中，标注标签指示该训练图像是否对应于目标类别。由于训练图像往往对应于多个类别，各个类别所对应的图像的特征之间的差别巨大，使得经简单的二分类监督训练后的图像检测模型，泛化性较差，对于目标类别以外的其他类别的图像，往往难以获得准确的检测结果。
根据本公开的实施例，在图像检测模型的训练过程中，通过特征提取网络获得训练图像的图像特征，并且基于训练图像的图像特征更新与多个类别分别对应的聚类中心，将该多个类别对应的多个聚类中心作为分类网络的多个代理权重使得分类网络基于训练图像的图像特征获得预测结果，同时，基于训练图像的图像特征所属的聚类中心获得训练图像的伪标签(聚类中心对应类别)，进行监督训练，使得经训练的图像检测模型中的特征提取网络基于图像所提取的图像特征具有较好的类别可分性(能够在多个类别之间进行区分)，各个类别所对应的图像的图像特征分别聚集，从而使图像检测模型能够学习到各个类别的图像的图像特征之间的差异，对图像在多个类别之间进行良好的区分，进而提升所获得的检测结果的准确性。
同时，根据本公开的实施例，在图像检测模型的训练过程中，不需要对训练图像针对每一个类别进行标注，其采用基于训练图像的图像特征获得的与训练图像对应的第一聚类中心作为伪标签，以进行训练，有效节省了标注成本。
在一些实施例中，在步骤S310中从训练图像数据集中获得训练图像，训练图像数据集例如可以是开源数据集。
在一些实施例中，在步骤S320中，特征提取网络可以卷积神经网络。
在一些实施例中，在步骤S330中，通过基于训练图像的图像特征和各个聚类中心之间的相似度，获得该训练图像所对应的目标聚类中心，并通过基于该训练图像的图像特征更新该目标聚类中心，以更新该多个类别对应的多个聚类中心。
在一些实施例中，如图4所示，在步骤S330中，基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心包括：
步骤S410：获得特征队列，所述特征队列包括与所述多个类别中的每一个类别对应的多个图像的多个图像特征；
步骤S420：将所述训练图像的图像特征加入所述特征队列；以及
步骤S430：基于所述特征队列中的多个图像特征，更新所述多个聚类中心。
通过将训练图像的图像特征加入特征队列，并对特征队列中的多个特征进行聚类的方式，以更新多个聚类中心，提升所获得的聚类中心的准确性，同时简化训练阶段的部署。
在一些实施例中，在步骤S420中，将所述训练图像的图像特征加入所述特征队列包括：将所述特征队列中的第一图像特征替换为所述训练图像的图像特征。
通过将特征队列中的第一图像特征替换为练图像的图像特征，使得特征队列的不断更新，从而使聚类中心能够不断更新，提升训练效果。
在一些实施例中，特征提取网络包括卷积神经网络、全局平均池化网络和归一化网络，全局平均池化网络对卷积神经网络所提取的特征进行全局平均池化得到特征向量，归一化网络对特征向量进行归一化，得到图像特征。在训练过程中，特征队列中的图像特征的数量为预设数量，并且按顺序排列，使得在将训练图像的图像特征加入到特征队列的过程中基于先进先出的原则将特征队列中排列最靠前的图像特征替换为训练图像的图像特征，以对特征队列进行更新。
在一些实施例中，特征队列中的图像特征的数量为65535。
在一些实施例中，在步骤S430中，通过对特征队列中的多个图像特征进行聚类，以更新多个聚类中心。聚类的方法例如可以是K-Means聚类。
在一些实施例中，在步骤S340中，基于每个聚类中心更新多个分类子网络中与之相应的分类子网络的权重参数。
在一些实施例中，初始分类网络可以是全链接层网络，其中全链接层网络包括多个链接层，该多个链接层为初始分类网络中与多个类别分别对应的分类子网络。在一些实施例中，通过将每个聚类中心中的各个元素作为相应分类子网络的权重参数，以获得第一分类网络。
在一些实施例中，所述多个类别包括目标类别，所述多个分类子网络包括与所述目标类别对应的目标类别子网络，所述方法还包括：
获得所述训练图像的标注标签，所述标注标签指示所述训练图像对应于是否对应于所述多个类别中的目标类别；以及其中，在步骤S340中，所述基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络包括：
响应于所述标注标签指示所述训练图像不对应于所述多个类别中的目标类别，基于所述更新后的多个聚类中心与所述多个类别中区别于所述目标类别的第一类别对应的第一聚类中心，更新所述多个分类子网络中与所述第一类别对应的第一分类子网络的权重参数，以获得所述第一分类网络，并且所述方法还包括：基于所述第一类别和所述预测结果，调整所述目标分类子网络的参数；
响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，将所述初始分类网络确定为所述第一分类网络，并且所述方法还包括：基于所述标注标签和所述第一预测结果，调整所述目标分类子网络的权重参数。
在训练过程中，如果训练图像的标注标签指示训练图像不与目标类别对应，则采用更新后的聚类中心更新初始分类网络以获得第一分类网络，如果训练图像的标注标签指示是与目标类别相应，则不采用聚类中心更新该目标类别对应的目标类别子网络，而是基于标注标签和第一预测结果，调整目标类别子网络的权重参数，使得目标类别子网络在训练过程中获得更好的训练效果，后续针对输入图像获得输入图像是否对应于目标类别的检测结果时，准确性更高。
在一些实施例中，所述基于所述多个类别中与所述第一聚类中心相应的第一类别和所述第一预测结果，调整所述特征提取网络的参数还包括：
响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，基于所述标注标签与所述预测结果，调整所述特征提取网络的参数。
如果训练图像的标注标签指示训练图像不与目标类别对应，则采用上述通过获得训练图像的图像特征所属的聚类中心对应的第一分类作为伪标签进行监督，调整特征提取网络的参数；如果训练图像的标注标签指示是与目标类别相应，则不采用上述通过获得训练图像的图像特征所属的聚类中心对应的第一分类作为伪标签进行监督，而是采用训练图像的标注标签进行监督，以调整特征提取网络的参数，使得体征提取网络在训练过程中获得更好的训练效果，后续针对输入图像获得输入图像是否对应于目标类别的检测结果时，准确性更高。
可以理解，当图像检测模型的任务用于检测输入图像是否对应于目标类别时，相较于对其他类别的图像的特征提取和分类，图像检测模型对目标类别的图像的特征提取和分类准确性要求更高。在根据本公开的实施例中，通过当训练图像的标注标签指示其对应于目标类别时，采用训练图像的标注标签进行监督，当训练图像的标注标签指示其不对应于目标类别时，上述基于聚类中心获得的训练图像所对应的第一分类作为伪标签进行监督，使得图像检测模型的训练过程同时具有真实标签(ground truth)的监督和伪标签的监督，从而提升图像检模型的训练效果，使经训练的图像检测模型获得的检测结果的准确性更高。
参看图5，示出了根据本公开的一些实施例的图像检测模型的训练过程的示意图，其中，图像检测模型为人脸活体检测模型，训练图像500输入到特征提取网络510之后，获得训练图像500的图像特征502，其中，特征提取网络510包括卷积网络511和由平均池化网络归一化网络构成的第二网络512，卷积网络511对训练图像进行特征提取获得特征501，第二网络512对特征501进行全局平均池化和归一化后获得图像特征502；图像特征502加入特征队列520，特征队列520进行聚类后获得的各个聚类中心。当训练图像500的标注标签指示其为攻击图像时，基于各个聚类中心更新分类网络530中与多个攻击类别(头模攻击类别、纸质攻击类别或者屏幕攻击类别)分别对应的分类子网络531、532和533后，将图像特征501输入到分类网络530中获得预测结果，基于该预测结果和图像特征501所属的聚类中心对应的类别，调整特征提取网络510和人脸活体类别对应的分类子网络534的参数。当训练图像500的标注标签指示来自于人脸活体时，不更新分类子网络531、532和533，同时，直接将将图像特征501输入到分类网络530中获得预测结果，直接基于标注标签和预测结果整特征提取网络510和人脸活体类别对应的分类子网络534的参数。
需要说明的是，在训练图像500中，基于说明的必要和隐私保护对脸部进行了马赛克处理，在实际应用过程中不需要进行此项处理。
上述参照图5介绍的当训练图像的标注标签指示其对应于目标类别时，采用训练图像的标注标签进行监督，当训练图像的标注标签指示其不对应于目标类别时，上述基于聚类中心获得的训练图像所对应的第一分类作为伪标签进行监督，是对根据本公开的图像检测模型的训练方法的示例性介绍，在图像检测模型的训练过程中，可以理解，在当训练图像的标注标签指示其对应于目标分类时，也可以基于训练图像的聚类中心的图像特征所属的聚类中心对应的第一分类作为伪标签进行监督，调整特征提取网络和目标分类子网络的参数，在此并不限定。
在根据本公开的实施例训练的图像检测模型，在部署过程中，可以仅仅部署与目标类别对应的分类子网络，从而使减少模型部署的资源。
根据本公开的另一方面，还提供了一种图像检测装置，如图6所示，装置600包括：目标图像获取单元610，被配置用于获得目标图像，所述目标图像对应于多个类别中的一个类别，所述多个类别中的每一个类别具有相应的聚类中心，该聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；特征提取单元620，被配置用于基于所述目标图像，获得所述目标图像的图像特征，所述图像特征指示所述多个类别中的一个类别；以及检测结果获取单元630，被配置用于基于所述目标图像的图像特征和所述多个类别中的至少目标类别对应的聚类中心，获得所述目标图像的检测结果，所述检测结果指示所述目标图像是否对应于所述目标类别。
在一些实施例中，所述特征提取单元包括：图像输入单元，被配置用于通过将所述目标图像输入到特征提取网络，以获得所述图像特征，其中，所述特征提取网络是通过与分类网络组成图像检测模型后采用训练图像训练所述图像检测模型而获得的，其中，所述分类网络包括与所述多个类别分别对应的多个分类子网络，并且其中，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，并且其中，在训练过程中，通过将所述训练图像输入到特征提取网络获得所述训练图像的图像特征，基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心并且获得所述多个聚类中心中与所述训练图像相应的第一聚类中心和所述分类网络，将所述训练图像的图像特征输入到基于更新后的多个聚类中心和所述分类网络获得的第一分类网络获得预测结果，以及基于所述多个类别中与所述第一聚类中心所对应的第一类别和所述预测结果，调整所述特征提取网络的参数。
在一些实施例中，所述检测结果获取单元包括：特征输入单元，被配置用于通过将所述目标图像的图像特征输入到所述分类网络中与所述目标类别对应的目标分类子网络中，以获得所述检测结果。
在一些实施例中，所述目标图像为包括人脸的图像，所述多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别。
在一些实施例中，所述图像检测模型包括特征提取网络和初始分类网络，所述初始分类网络包括与多个类别分别对应的多个分类子网络，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，如图7所示，装置700包括：训练图像获取单元710，被配置用于获得训练图像；图像输入单元720，配置用于通过将所述训练图像输入到特征提取网络，获得所述训练图像的图像特征；聚类中心更新单元730，被配置用于基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心，并且获得所述多个聚类中心中与所述训练图像相应的目标聚类中心；分类网络获取单元740，被配置用于基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络；预测结果获取单元750，被配置用于将所述训练图像的图像特征输入至所述第一分类网络，以获得所述训练图像的预测结果，所述预测结果指示所述训练图像对应于所述多个类别中的相应类别；以及参数调整单元760，被配置用于基于所述多个类别中与所述目标聚类中心相应的第一类别和所述预测结果，调整所述特征提取网络的参数。
在一些实施例中，所述多个类别包括目标类别，所述多个分类子网络包括与所述目标类别对应的目标分类子网络，所述方法还包括：标注标签获取单元，被配置用于获得所述训练图像的标注标签，所述标注标签指示所述训练图像对应于是否对应于所述多个类别中的目标类别；以及其中，所述分类网络获取单元包括：第一响应单元，被配置用于响应于所述标注标签指示所述训练图像不对应于所述多个类别中的目标类别，基于所述更新后的多个聚类中心与所述多个类别中区别于所述目标类别的第一类别对应的第一聚类中心，更新所述多个分类子网络中与所述第一类别对应的第一分类子网络的权重参数，以获得所述第一分类网络，并且所述方法还包括：第一参数调整单元，被配置用于基于所述第一类别和所述预测结果，调整所述目标分类子网络的参数；第二响应单元，被配置用于响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，将所述初始分类网络确定为所述第一分类网络，并且所述装置还包括：第二参数调整单元，被配置用于基于所述标注标签和所述第一预测结果，调整所述目标分类子网络的权重参数。
在一些实施例中，所述参数调整单元包括：参数调整子单元，被配置用于响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，基于所述标注标签与所述预测结果，调整所述特征提取网络的参数。
在一些实施例中，所述聚类中心更新单元包括：特征队列获取单元，被配置用于获得特征队列，所述特征队列包括与所述多个类别中的每一个类别对应的多个图像的多个图像特征；特征加入单元，被配置用于将所述训练图像的图像特征加入所述特征队列；以及聚类中心更新子单元，被配置用于更新基于所述特征队列中的多个图像特征，更新所述多个聚类中心。
在一些实施例中，所述特征队列中的多个图像特征的数量为预设值，并且其中，所述特征加入单元包括：特征替换单元，被配置用于将所述特征队列中的第一图像特征替换为所述训练图像的图像特征。
在一些实施例中，所述目标图像为包括人脸的图像，所述多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图8，现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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/或者要求的本公开的实现。
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备，输入单元806可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如方法200或方法300。例如，在一些实施例中，方法200或方法300可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM803并由计算单元801执行时，可以执行上文描述的方法200或方法300的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200或方法300。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (23)

1.一种图像检测方法，包括：
获得目标图像，所述目标图像对应于多个类别中的一个类别，所述多个类别中的每一个类别具有相应的聚类中心，该聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；
基于所述目标图像，获得所述目标图像的图像特征，所述图像特征指示所述多个类别中的一个类别；以及
基于所述目标图像的图像特征和所述多个类别中的至少目标类别对应的聚类中心，获得所述目标图像的检测结果，所述检测结果指示所述目标图像是否对应于所述目标类别。
2.根据权利要求1所述的方法，其中，所述基于所述目标图像，获得所述目标图像的图像特征包括：
通过将所述目标图像输入到特征提取网络，以获得所述图像特征，其中，所述特征提取网络是通过与分类网络组成图像检测模型后采用训练图像训练所述图像检测模型而获得的，其中，
所述分类网络包括与所述多个类别分别对应的多个分类子网络，并且其中，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，并且其中，
在训练过程中，通过将所述训练图像输入到特征提取网络获得所述训练图像的图像特征，基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心并且获得所述多个聚类中心中与所述训练图像相应的第一聚类中心和所述分类网络，将所述训练图像的图像特征输入到基于更新后的多个聚类中心和所述分类网络获得的第一分类网络获得预测结果，以及基于所述多个类别中与所述第一聚类中心所对应的第一类别和所述预测结果，调整所述特征提取网络的参数。
3.根据权利要求2所述的方法，其中，所述基于所述目标图像的图像特征和所述多个类别的至少目标类别对应的聚类中心，获得所述目标图像的检测结果包括：
通过将所述目标图像的图像特征输入到所述分类网络中与所述目标类别对应的目标分类子网络中，以获得所述检测结果。
4.根据权利要求1-3中任一项所述的方法，其中，所述目标图像为包括人脸的图像，所述多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别。
5.一种图像检测模型的训练方法，其中，所述图像检测模型包括特征提取网络和初始分类网络，所述初始分类网络包括与多个类别分别对应的多个分类子网络，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，所述方法包括：
获得训练图像；
通过将所述训练图像输入到特征提取网络，获得所述训练图像的图像特征；
基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心，并且获得所述多个聚类中心中与所述训练图像相应的目标聚类中心；
基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络；
将所述训练图像的图像特征输入至所述第一分类网络，以获得所述训练图像的预测结果，所述预测结果指示所述训练图像对应于所述多个类别中的相应类别；以及
基于所述多个类别中与所述目标聚类中心相应的第一类别和所述预测结果，调整所述特征提取网络的参数。
6.根据权利要求5所述的方法，其中，所述多个类别包括目标类别，所述多个分类子网络包括与所述目标类别对应的目标分类子网络，所述方法还包括：
获得所述训练图像的标注标签，所述标注标签指示所述训练图像对应于是否对应于所述多个类别中的目标类别；以及其中，所述基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络包括：
响应于所述标注标签指示所述训练图像不对应于所述多个类别中的目标类别，基于所述更新后的多个聚类中心与所述多个类别中区别于所述目标类别的第一类别对应的第一聚类中心，更新所述多个分类子网络中与所述第一类别对应的第一分类子网络的权重参数，以获得所述第一分类网络，并且所述方法还包括：基于所述第一类别和所述预测结果，调整所述目标分类子网络的参数；以及
响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，将所述初始分类网络确定为所述第一分类网络，并且所述方法还包括：基于所述标注标签和所述第一预测结果，调整所述目标分类子网络的权重参数。
7.根据权利要求6所述的方法，其中，所述基于所述多个类别中与所述第一聚类中心相应的第一类别和所述第一预测结果，调整所述特征提取网络的参数还包括：
响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，基于所述标注标签与所述预测结果，调整所述特征提取网络的参数。
8.根据权利要求6所述的方法，其中，所述基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心包括：
获得特征队列，所述特征队列包括与所述多个类别中的每一个类别对应的多个图像的多个图像特征；
将所述训练图像的图像特征加入所述特征队列；以及
基于所述特征队列中的多个图像特征，更新所述多个聚类中心。
9.根据权利要求8所述的方法，其中，所述特征队列中的多个图像特征的数量为预设值，并且其中，所述将所述训练图像的图像特征加入所述特征队列包括：
将所述特征队列中的第一图像特征替换为所述训练图像的图像特征。
10.根据权利要求5-9中任一项所述的方法，其中，所述训练图像为包括人脸的图像，所述多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别。
11.一种图像检测装置，包括：
目标图像获取单元，被配置用于获得目标图像，所述目标图像对应于多个类别中的一个类别，所述多个类别中的每一个类别具有相应的聚类中心，该聚类中心是基于与该类别对应的多个图像的多个图像特征获得的；
特征提取单元，被配置用于基于所述目标图像，获得所述目标图像的图像特征，所述图像特征指示所述多个类别中的一个类别；以及
检测结果获取单元，被配置用于基于所述目标图像的图像特征和所述多个类别中的至少目标类别对应的聚类中心，获得所述目标图像的检测结果，所述检测结果指示所述目标图像是否对应于所述目标类别。
12.根据权利要求11所述的装置，其中，所述特征提取单元包括：
图像输入单元，被配置用于通过将所述目标图像输入到特征提取网络，以获得所述图像特征，其中，所述特征提取网络是通过与分类网络组成图像检测模型后采用训练图像训练所述图像检测模型而获得的，其中，
所述分类网络包括与所述多个类别分别对应的多个分类子网络，并且其中，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，并且其中，
在训练过程中，通过将所述训练图像输入到特征提取网络获得所述训练图像的图像特征，基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心并且获得所述多个聚类中心中与所述训练图像相应的第一聚类中心和所述分类网络，将所述训练图像的图像特征输入到基于更新后的多个聚类中心和所述分类网络获得的第一分类网络获得预测结果，以及基于所述多个类别中与所述第一聚类中心所对应的第一类别和所述预测结果，调整所述特征提取网络的参数。
13.根据权利要求12所述的装置，其中，所述检测结果获取单元包括：
特征输入单元，被配置用于通过将所述目标图像的图像特征输入到所述分类网络中与所述目标类别对应的目标分类子网络中，以获得所述检测结果。
14.根据权利要求11-13中任一项所述的装置，其中，所述目标图像为包括人脸的图像，所述多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别。
15.一种图像检测模型的训练装置，其中，所述图像检测模型包括特征提取网络和初始分类网络，所述初始分类网络包括与多个类别分别对应的多个分类子网络，所述多个分类子网络中的每一个分类子网络的权重参数与所述多个类别中的相应类别的聚类中心相应，所述聚类中心是基于与该相应类别对应的多个图像的多个图像特征获得的，所述装置包括：
训练图像获取单元，被配置用于获得训练图像；
图像输入单元，配置用于通过将所述训练图像输入到特征提取网络，获得所述训练图像的图像特征；
聚类中心更新单元，被配置用于基于所述训练图像的图像特征，更新所述多个类别对应的多个聚类中心，并且获得所述多个聚类中心中与所述训练图像相应的目标聚类中心；
分类网络获取单元，被配置用于基于更新后的多个聚类中心和所述初始分类网络，获得第一分类网络；
预测结果获取单元，被配置用于将所述训练图像的图像特征输入至所述第一分类网络，以获得所述训练图像的预测结果，所述预测结果指示所述训练图像对应于所述多个类别中的相应类别；以及
参数调整单元，被配置用于基于所述多个类别中与所述目标聚类中心相应的第一类别和所述预测结果，调整所述特征提取网络的参数。
16.根据权利要求15所述的装置，其中，所述多个类别包括目标类别，所述多个分类子网络包括与所述目标类别对应的目标分类子网络，所述装置还包括：
标注标签获取单元，被配置用于获得所述训练图像的标注标签，所述标注标签指示所述训练图像对应于是否对应于所述多个类别中的目标类别；以及其中，所述分类网络获取单元包括：
第一响应单元，被配置用于响应于所述标注标签指示所述训练图像不对应于所述多个类别中的目标类别，基于所述更新后的多个聚类中心与所述多个类别中区别于所述目标类别的第一类别对应的第一聚类中心，更新所述多个分类子网络中与所述第一类别对应的第一分类子网络的权重参数，以获得所述第一分类网络，并且所述装置还包括：
第一参数调整单元，被配置用于基于所述第一类别和所述预测结果，调整所述目标分类子网络的参数；
第二响应单元，被配置用于响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，将所述初始分类网络确定为所述第一分类网络，并且所述装置还包括：
第二参数调整单元，被配置用于基于所述标注标签和所述第一预测结果，调整所述目标分类子网络的权重参数。
17.根据权利要求16所述的装置，其中，所述参数调整单元包括：
参数调整子单元，被配置用于响应于所述标注标签指示所述训练图像对应于所述多个类别中的目标类别，基于所述标注标签与所述预测结果，调整所述特征提取网络的参数。
18.根据权利要求16所述的装置，其中，所述聚类中心更新单元包括：
特征队列获取单元，被配置用于获得特征队列，所述特征队列包括与所述多个类别中的每一个类别对应的多个图像的多个图像特征；
特征加入单元，被配置用于将所述训练图像的图像特征加入所述特征队列；以及
聚类中心更新子单元，被配置用于更新基于所述特征队列中的多个图像特征，更新所述多个聚类中心。
19.根据权利要求18所述的装置，其中，所述特征队列中的多个图像特征的数量为预设值，并且其中，所述特征加入单元包括：
特征替换单元，被配置用于将所述特征队列中的第一图像特征替换为所述训练图像的图像特征。
20.根据权利要求15-19中任一项所述的装置，其中，所述目标图像为包括人脸的图像，所述多个类别包括人脸活体类别、头模攻击类别、纸质攻击类别或者屏幕攻击类别。
21.一种电子设备，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1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
23.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-10中任一项所述的方法。
CN202211351224.8A 2022-10-31 2022-10-31 图像检测方法和图像检测模型训练的方法 Pending CN115546510A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211351224.8A CN115546510A (zh) 2022-10-31 2022-10-31 图像检测方法和图像检测模型训练的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211351224.8A CN115546510A (zh) 2022-10-31 2022-10-31 图像检测方法和图像检测模型训练的方法

Publications (1)

Publication Number Publication Date
CN115546510A true CN115546510A (zh) 2022-12-30

Family

ID=84718495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211351224.8A Pending CN115546510A (zh) 2022-10-31 2022-10-31 图像检测方法和图像检测模型训练的方法

Country Status (1)

Country Link
CN (1) CN115546510A (zh)

Similar Documents

Publication Publication Date Title
CN114648638B (zh) 语义分割模型的训练方法、语义分割方法与装置
CN112857268B (zh) 对象面积测量方法、装置、电子设备和存储介质
CN115082740B (zh) 目标检测模型训练方法、目标检测方法、装置、电子设备
US20230047628A1 (en) Human-object interaction detection
CN114445667A (zh) 图像检测方法和用于训练图像检测模型的方法
CN114723949A (zh) 三维场景分割方法和用于训练分割模型的方法
CN113723305A (zh) 图像和视频检测方法、装置、电子设备和介质
CN113868453B (zh) 对象推荐方法和装置
CN114842476A (zh) 水印检测方法及装置、模型训练方法及装置
CN113596011B (zh) 流量识别方法及装置，计算设备和介质
CN115797660A (zh) 图像检测方法、装置、电子设备和存储介质
CN115578501A (zh) 图像处理方法、装置、电子设备和存储介质
CN112579587B (zh) 数据清洗方法及装置、设备和存储介质
CN113139542B (zh) 目标检测方法、装置、设备和计算机可读存储介质
CN114494797A (zh) 用于训练图像检测模型的方法和装置
CN114429678A (zh) 模型训练方法及装置、电子设备和介质
CN114998963A (zh) 图像检测方法和用于训练图像检测模型的方法
CN115546510A (zh) 图像检测方法和图像检测模型训练的方法
CN115512131B (zh) 图像检测方法和图像检测模型的训练方法
CN116881485B (zh) 生成图像检索索引的方法及装置、电子设备和介质
CN114120420B (zh) 图像检测方法和装置
CN115170536B (zh) 图像检测方法、模型的训练方法和装置
CN115578451B (zh) 图像处理方法、图像处理模型的训练方法和装置
CN116070711B (zh) 数据处理方法、装置、电子设备和存储介质
CN114842474B (zh) 文字识别方法、装置、电子设备和介质

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