(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211287522.5 (22)申请日 2022.10.20 (71)申请人 深圳须弥云图空间科技有限公司 地址 518054 广东省深圳市南 山区粤海街 道海珠社区滨海 大道3369号有线信息 传输大厦25F25 04 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 专利代理师 陈美君 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/776(2022.01) G06V 10/75(2022.01) G06V 10/80(2022.01)G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 人脸识别模型训练方法、 装置、 电子设备及 存储介质 (57)摘要 本申请提供一种人脸识别模 型训练方法、 装 置、 电子设备及存储介质。 该方法包括： 将样本输 入到人脸识别模 型的特征提取模块中， 得到样本 特征； 计算样本特征的特征模长， 将特征模长作 为第一质量 分， 利用质量分支提取样本特征的第 二质量分， 依据第一质量分和第二质量分计算得 到总质量分； 将新的样本输入到人脸识别模型 中， 从原型队列中获取与新的样 本的类相对应的 原型， 并从历史特征队列和样 本质量队列中分别 获取与新的样本的类相对应的样本特征和总质 量分； 利用总质量分对样本特征和原型进行加 权， 得到新的原型， 利用新的原型对检测模块进 行训练。 本申请提升了人脸识别模 型的人脸识别 效果， 提高人脸识别算法精度。 权利要求书2页 说明书8页 附图3页 CN 115546867 A 2022.12.30 CN 115546867 A 1.一种人脸识别模型训练方法， 其特 征在于， 包括： 将训练集中的样本输入到人脸识别模型的特征提取模块中， 得到所述特征提取模块输 出的样本特 征； 计算所述样本特征的特征模长， 将所述特征模长作为第一质量分， 利用质量分支提取 所述样本特 征的第二质量分， 依据所述第一质量分和所述第二质量分计算得到总质量分； 将所述样本特征存储到预先配置的历史特征队列中， 将所述总质量分存储到预先配置 的样本质量队列中； 在训练人脸识别模型时， 将新的样本输入到人脸识别模型中， 从所述原型队列中获取 与所述新的样本的类相对应的原型， 并从历史特征队列和样本质量队列中分别获取与所述 新的样本的类相对应的样本特 征和总质量分； 利用所述总质量分对所述样本特征和所述原型进行加权， 得到新的原型， 利用所述新 的原型对检测模块进行训练， 以便对所述人脸识别模型的网络 权重进行更新。 2.根据权利要求1所述的方法， 其特征在于， 所述质量分支包括依次连接的第 一全连接 层、 第一归一 化层、 第二全连接层、 第二归一 化层、 ReLU激活函数层和Sigmo id激活函数层。 3.根据权利要求1所述的方法， 其特征在于， 所述依据所述第 一质量分和所述第 二质量 分计算得到总质量分， 包括： 将所述第一质量分与所述第二质量分进行加权， 得到总质量 分。 4.根据权利要求1所述的方法， 其特征在于， 所述从所述原型队列中获取与 所述新的样 本的类相对应的原型， 包括： 依据所述新的样本对应的类， 从所述原型队列中获取与 所述新的样本的类相对应的原 型， 其中， 所述原型队列中存储样 本的类与 原型之间的映射关系， 所述原型用于表征所述样 本的类对应的权 重。 5.根据权利要求1所述的方法， 其特征在于， 所述从历史特征队列和样本质量队列中分 别获取与所述 新的样本的类相对应的样本特 征和总质量分， 包括： 依据所述新的样本对应的类， 从所述历史特征队列中获取与 所述新的样本的类相对应 的历史样本特征， 并从所述样本质量队列中获取与所述新的样本的类相对应的历史样本特 征的总质量分； 其中， 所述历史特征队列用于存储所述特征提取模块提取的历史样本特征， 所述样本 质量队列用于存 储所述历史样本特 征对应的总质量分。 6.根据权利要求5所述的方法， 其特征在于， 在所述将新的样本输入到人脸识别模型中 之后， 所述方法还 包括： 利用所述特征提取模块提取所述新的样本对应的新的样本特征， 计算所述新的样本特 征的新的特征模长， 将所述新的特征模长作为第一质量分， 利用所述质量分支提取所述新 的样本特 征的第二质量分， 依据所述第一质量分和所述第二质量分计算得到总质量分； 利用所述新的样本特征对所述历史特征队列中存储的历史样本特征进行更新， 以及利 用所述新的样本特征对应的总质量分对所述样本质量队列中存储的历史样本特征的总质 量分进行 更新。 7.根据权利要求1所述的方法， 其特征在于， 所述利用所述总质量分对所述样本特征和 所述原型进行加权， 得到新的原型， 包括：权　利　要　求　书 1/2 页 2 CN 115546867 A 2将所述总质量分与所述样本特征相乘， 将相乘后得到的计算结果与所述原型相加， 得 到加权后的所述 新的原型。 8.一种人脸识别模型训练装置， 其特 征在于， 包括： 提取模块， 被配置为将训练集中的样本输入到人脸识别模型的特征提取模块中， 得到 所述特征提取模块输出的样本特 征； 计算模块， 被配置为计算所述样本特征的特征模长， 将所述特征模长作为第 一质量分， 利用质量分支提取所述样本特征的第二质量分， 依据所述第一质量分和所述第二质量分计 算得到总质量分； 存储模块， 被配置为将所述样本特征存储到预先配置的历史特征队列中， 将所述总质 量分存储到预先配置的样本质量队列中； 获取模块， 被配置为在训练人脸识别模型时， 将新的样本输入到人脸识别模型中， 从所 述原型队列中获取与所述新的样本的类相对应的原型， 并从历史特征队列和样本质量队列 中分别获取与所述 新的样本的类相对应的样本特 征和总质量分； 训练模块， 被配置为利用所述总质量分对所述样本特征和所述原型进行加权， 得到新 的原型， 利用所述新的原型对检测模块进行训练， 以便对所述人脸识别模型 的网络权重进 行更新。 9.一种电子设备， 包括存储器， 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 所述处 理器执行所述程序时实现如权利要求1至7中任一项所述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115546867 A 3