人脸识别深度学习模型训练方法、装置、设备及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种人脸识别深度学习模型训练方法、装置、设备及存储介质。

背景技术

人脸识别模型训练任务中，需考虑基础单元对模型训练的影响，以及如何获取更具判别性的特征表达，另外还要考虑训练数据的类别不平衡问题，这对人脸识别模型的设计带来困难。

传统人脸识别模型的基础单元通常只有一个卷积层，容易忽略原始图片的一些关键信息，且传统人脸识别模型训练通常只取最后一个卷积层的输出特征作为特征表达，忽略了前层的细节特征；另外，人脸识别训练集通常存在较大的类别不平衡问题。由于存在上述情况，导致现有的人脸识别模型训练无法提取丰富的人脸图片基础特征，特征表达忽略细节特征，训练集中的类别不平衡导致训练后的人脸识别模型的准确性低，人脸识别效果差的问题。

发明内容

有鉴于此，本申请实施例提供了一种人脸识别深度学习模型训练方法、装置、设备及存储介质，以解决现有技术存在的无法提取丰富的人脸图片基础特征，特征表达忽略细节特征，人脸识别模型的准确性低，人脸识别效果差的问题。

本申请实施例的第一方面，提供了一种人脸识别深度学习模型训练方法，包括：将人脸样本图像输入到预定的双支路基础单元，利用双支路基础单元中的第一支路和第二支路分别提取第一特征图和第二特征图，将第一特征图和第二特征图进行拼接，得到变换特征图；将变换特征图输入到骨干网络，对骨干网络中预设的目标阶段输出的特征图进行处理，得到每个目标阶段对应的特征向量，将特征向量进行聚合，得到目标特征向量；确定目标特征向量与各个人脸类别的类中心之间的夹角，并根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，将夹角及加性间隔参数输入到预设的损失函数中计算损失值；利用损失值反向更新人脸识别深度学习模型的参数，以便对人脸识别深度学习模型进行训练。

本申请实施例的第二方面，提供了一种人脸识别深度学习模型训练装置，包括：提取模块，被配置为将人脸样本图像输入到预定的双支路基础单元，利用双支路基础单元中的第一支路和第二支路分别提取第一特征图和第二特征图，将第一特征图和第二特征图进行拼接，得到变换特征图；聚合模块，被配置为将变换特征图输入到骨干网络，对骨干网络中预设的目标阶段输出的特征图进行处理，得到每个目标阶段对应的特征向量，将特征向量进行聚合，得到目标特征向量；损失模块，被配置为确定目标特征向量与各个人脸类别的类中心之间的夹角，并根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，将夹角及加性间隔参数输入到预设的损失函数中计算损失值；训练模块，被配置为利用损失值反向更新人脸识别深度学习模型的参数，以便对人脸识别深度学习模型进行训练。

本申请实施例的第三方面，提供了一种电子设备，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，处理器执行程序时实现上述方法的步骤。

本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

通过将人脸样本图像输入到预定的双支路基础单元，利用双支路基础单元中的第一支路和第二支路分别提取第一特征图和第二特征图，将第一特征图和第二特征图进行拼接，得到变换特征图；将变换特征图输入到骨干网络，对骨干网络中预设的目标阶段输出的特征图进行处理，得到每个目标阶段对应的特征向量，将特征向量进行聚合，得到目标特征向量；确定目标特征向量与各个人脸类别的类中心之间的夹角，并根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，将夹角及加性间隔参数输入到预设的损失函数中计算损失值；利用损失值反向更新人脸识别深度学习模型的参数，以便对人脸识别深度学习模型进行训练。本申请的双支路基础单元可以提取更丰富的人脸图片基础特征，将多目标阶段输出的特征向量聚合，使得最后的特征表达兼具高维全局信息和低维细节信息，最后基于样本数加权计算损失函数，解决训练集中类别不平衡的问题，从而提升人脸识别模型的准确性和人脸识别效果。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本申请实施例提供的人脸识别深度学习模型训练方法的流程示意图；

图2是本申请实施例利用双支路基础单元提取特征图的流程示意图；

图3是本申请实施例利用骨干网络进行多阶段特征聚合的流程示意图；

图4是本申请实施例提供的人脸识别深度学习模型训练装置的结构示意图；

图5是本申请实施例提供的电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

如背景技术所述内容，目前人脸识别模型训练任务中，需考虑基础单元(第一个卷积层)对模型训练的影响，以及如何获取更具判别性的特征表达，另外还要考虑训练数据的类别不平衡问题，这对人脸识别模型的设计带来困难。

传统人脸识别模型的基础单元通常只有一个卷积层，容易忽略原始图片的一些关键信息，且传统人脸识别模型训练通常只取最后一个卷积层的输出特征作为特征表达，忽略了前层的细节特征；另外，人脸识别训练集通常存在较大的类别不平衡问题。由于存在上述情况，导致现有的人脸识别模型训练无法提取丰富的人脸图片基础特征，特征表达忽略细节特征，训练集中的类别不平衡导致训练后的人脸识别模型的准确性低，人脸识别效果差的问题。

有鉴于此，本申请实施例为解决上述问题，提供了一种基于双支路基础单元和多阶段特征聚合的人脸识别深度学习模型训练方法，本申请首先利用双支路的基础单元来提取更丰富的人脸图片基础特征；然后利用多阶段特征聚合方法，将多个目标阶段输出的特征向量聚合，使得最后的特征表达兼具高维全局信息和低维细节信息；最后使用样本数加权的动态margin损失函数，来解决训练集中样本数的长尾问题(即类别不平衡的问题)。下面结合附图以及具体实施例对本申请技术方案的内容进行详细描述。

图1是本申请实施例提供的人脸识别深度学习模型训练方法的流程示意图。图1的人脸识别深度学习模型训练方法可以由服务器执行。如图1所示，该人脸识别深度学习模型训练方法具体可以包括：

S101，将人脸样本图像输入到预定的双支路基础单元，利用双支路基础单元中的第一支路和第二支路分别提取第一特征图和第二特征图，将第一特征图和第二特征图进行拼接，得到变换特征图；

S102，将变换特征图输入到骨干网络，对骨干网络中预设的目标阶段输出的特征图进行处理，得到每个目标阶段对应的特征向量，将特征向量进行聚合，得到目标特征向量；

S103，确定目标特征向量与各个人脸类别的类中心之间的夹角，并根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，将夹角及加性间隔参数输入到预设的损失函数中计算损失值；

S104，利用损失值反向更新人脸识别深度学习模型的参数，以便对人脸识别深度学习模型进行训练。

具体地，本申请的人脸样本图像为人脸识别数据集中的人脸图像，即本申请人脸识别深度学习模型的输入是一个人脸识别数据集，人脸识别数据集中包含多张人脸图片和每张人脸图片对应的ID信息(即人脸类别)；在实际应用中，人脸识别数据集中的图片数据通常多于100万张，ID数通常多于10万个。

需要说明的是，本申请实施例的人脸识别深度学习模型也可以简称为人脸识别模型，本申请不对人脸识别深度学习模型的模型结构做限定，任何模型结构的人脸识别深度学习模型均适用于本申请，例如可以使用ViT等深度学习模型。

进一步地，利用本申请训练后得到的人脸识别深度学习模型可以对输入的人脸图片进行识别，并且人脸识别深度学习模型可以输出该人脸图片对应的长度为512的特征向量，该特征向量可用于后续的人脸比对等任务。

本申请人脸识别深度学习模型的训练包括以下三个部分：双支路基础单元的特征提取、多阶段特征聚合、样本数加权的动态margin损失。下面结合具体实施例对本申请技术方案的上述三个阶段进行详细介绍。

在一些实施例中，利用双支路基础单元中的第一支路提取第一特征图，包括：将人脸样本图像输入到第一卷积层中进行卷积处理，并对卷积处理后的特征图进行批归一化和激活函数处理，得到第一输出特征图；将第一输出特征图输入到第二卷积层中进行卷积处理，并对卷积处理后的特征图进行批归一化和激活函数处理，得到第二输出特征图，将第二输出特征图作为第一特征图。

具体地，本申请双支路基础单元的输入可以是一张人脸图片，双支路基础单元使用两个支路提取特征图，最后将特征图拼接得到基础单元的变换特征图。下面结合附图以及具体实施例，对双支路基础单元的工作过程及原理进行详细介绍，图2是本申请实施例利用双支路基础单元提取特征图的流程示意图。如图2所示，该双支路基础单元的特征图提取具体可以包括：

双支路基础单元包括第一支路和第二支路，在第一支路中，为利用更多人脸细节信息并提高模型泛化能力，输入人脸样本图像的尺寸设置为3x224x224。人脸样本图像首先经过第一卷积层的卷积处理，第一卷积层采用内核尺寸为3和步长为2的卷积层，能够用于减小图片的空间尺寸，将第一卷积层处理后的特征图进行批归一化(BatchNorm)和PReLU激活函数处理，得到第一输出特征图。

进一步地，将第一输出特征图输入到第二卷积层中进行卷积处理，第二卷积层采用内核尺寸为3和步长为1的卷积层，能够进一步进行特征变换，之后将第二卷积层处理后的特征图进行批归一化(BatchNorm)和PReLU激活函数处理，卷积输出的通道数均设为32，最终得到输出特征图尺寸为32x112x112的第一特征图。

在一些实施例中，利用双支路基础单元中的第二支路提取第二特征图，包括：将人脸样本图像的高和宽，按照偶数列和奇数列分别重新组合，将重新组合后的图像在通道维度上进行拼接；将拼接后的图像输入到第三卷积层中进行卷积处理，并对卷积处理后的特征图进行批归一化和激活函数处理，得到第二特征图。

具体地，在第二支路中首先对原始输入图片(即人脸样本图像)进行像素重排，即在高和宽两个维度上的偶数列和奇数列分别组合形成4张宽高分别降采样2倍的图片，然后将4张图片在通道维度上拼接形成一张图片，该图片的分辨率缩小2倍但是通道数扩大了4倍，即拼接后的图像尺寸为12x112x112。

进一步地，将拼接后得到的12x112x112的图像输入到第三卷积层中进行卷积处理，第三卷积层采用内核尺寸为3和步长为1的卷积层对图像进行特征变换，并采用批归一化(BatchNorm)和PReLU激活函数处理，卷积输出的通道数为32，最终得到输出特征图尺寸为32x112x112的第二特征图。

进一步地，将第一支路输出的第一特征图与第二支路输出的第二特征图拼接，得到变换特征图，在实际应用中，将第一特征图与第二特征图在通道维度上进行拼接，得到尺寸为64x112x112的变换特征图。

在一些实施例中，对骨干网络中预设的目标阶段输出的特征图进行处理，得到每个目标阶段对应的特征向量，包括：在骨干网络中依次执行第一阶段、第二阶段、第三阶段和第四阶段处理，其中将第二阶段、第三阶段和第四阶段作为目标阶段；将第二阶段、第三阶段和第四阶段输出的特征图分别依次利用全局平均池化层、全连接层、批归一化层和激活函数层进行处理，得到第二阶段、第三阶段和第四阶段分别对应的特征向量。

具体地，本申请的骨干网络可以采用IResNet50网络结构，骨干网络包括四个阶段的处理，即Stage1、Stage2、Stage3和Stage4，在骨干网络中对多个目标阶段输出的特征向量聚合，得到最终的特征表达。下面结合附图以及具体实施例，对骨干网络的工作过程及原理进行详细介绍，图3是本申请实施例利用骨干网络进行多阶段特征聚合的流程示意图。如图3所示，该骨干网络的多阶段特征聚合具体可以包括：

将双支路基础单元输出的变换特征图作为骨干网络的输入，将骨干网络的Stage2、Stage3和Stage4阶段作为目标阶段，三个目标阶段分别对应图3中的C2、C3和C4，将每个目标阶段输出的特征图分别使用GP+FC+BN+PreLU进行处理得到对应的特征向量；其中，GP表示全局平均池化层，FC表示全连接层，该层输入与输出维度保持不变，BN表示批归一化层(BatchNorm)，PReLU表示激活函数层，可以使用PReLU进行激活；经过上述处理之后，Stage2、Stage3和Stage4三个阶段输出的特征向量的维度分别为(1，512)、(1，256)和(1，128)。

在一些实施例中，将特征向量进行聚合，得到目标特征向量，包括：将第二阶段、第三阶段和第四阶段分别对应的特征向量进行聚合，并将聚合后的特征向量输入到全连接层，并使用批归一化对全连接层输出的特征向量做归一化处理，得到目标特征向量。

具体地，将上述三个目标阶段输出的特征向量进行聚合，即对三个特征向量进行拼接，得到长度为896的特征向量，然后将该特征向量输入一个全连接层，输出维度为512的特征向量，最后使用批归一化对全连接层输出的维度为512的特征向量做归一化，从而获得目标特征向量，实现多阶段特征聚合操作。

进一步地，人脸识别训练集通常具有类别不平衡的问题，即不同类别的样本数差异较大，有的类别有上百个样本，有的类别只有不到十个样本，类别不平衡问题严重影响了人脸识别模型的训练，为解决该问题，本申请基于CosFace提出样本数加权的动态margin损失。

在一些实施例中，根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，包括采用以下公式计算加性间隔参数：

其中，m表示加性间隔参数，m

根据如上公式可知，样本数

在一些实施例中，将夹角及加性间隔参数输入到预设的损失函数中计算损失值，包括采用以下损失函数计算损失值：

其中，x

具体地，θ

最后，在利用上述损失函数公式计算出损失值之后，利用损失值反向更新人脸识别深度学习模型的参数，从而实现对人脸识别深度学习模型的训练。

根据本申请实施例提供的技术方案，本申请的双支路基础单元能够提取更丰富的人脸图片基础特征；本申请基于骨干网络实现多阶段特征聚合的特征表达策略，使得最后的特征表达兼具高维全局信息和低维细节信息；本申请使用样本数加权的动态margin损失函数，来解决训练集中样本数的类别不平衡的问题。本申请提升了人脸识别模型的准确性和人脸识别效果。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图4是本申请实施例提供的人脸识别深度学习模型训练装置的结构示意图。如图4所示，该人脸识别深度学习模型训练装置包括：

提取模块401，被配置为将人脸样本图像输入到预定的双支路基础单元，利用双支路基础单元中的第一支路和第二支路分别提取第一特征图和第二特征图，将第一特征图和第二特征图进行拼接，得到变换特征图；

聚合模块402，被配置为将变换特征图输入到骨干网络，对骨干网络中预设的目标阶段输出的特征图进行处理，得到每个目标阶段对应的特征向量，将特征向量进行聚合，得到目标特征向量；

损失模块403，被配置为确定目标特征向量与各个人脸类别的类中心之间的夹角，并根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，将夹角及加性间隔参数输入到预设的损失函数中计算损失值；

训练模块404，被配置为利用损失值反向更新人脸识别深度学习模型的参数，以便对人脸识别深度学习模型进行训练。

在一些实施例中，图4的提取模块401将人脸样本图像输入到第一卷积层中进行卷积处理，并对卷积处理后的特征图进行批归一化和激活函数处理，得到第一输出特征图；将第一输出特征图输入到第二卷积层中进行卷积处理，并对卷积处理后的特征图进行批归一化和激活函数处理，得到第二输出特征图，将第二输出特征图作为第一特征图。

在一些实施例中，图4的提取模块401将人脸样本图像的高和宽，按照偶数列和奇数列分别重新组合，将重新组合后的图像在通道维度上进行拼接；将拼接后的图像输入到第三卷积层中进行卷积处理，并对卷积处理后的特征图进行批归一化和激活函数处理，得到第二特征图。

在一些实施例中，图4的聚合模块402在骨干网络中依次执行第一阶段、第二阶段、第三阶段和第四阶段处理，其中将第二阶段、第三阶段和第四阶段作为目标阶段；将第二阶段、第三阶段和第四阶段输出的特征图分别依次利用全局平均池化层、全连接层、批归一化层和激活函数层进行处理，得到第二阶段、第三阶段和第四阶段分别对应的特征向量。

在一些实施例中，图4的聚合模块402将第二阶段、第三阶段和第四阶段分别对应的特征向量进行聚合，并将聚合后的特征向量输入到全连接层，并使用批归一化对全连接层输出的特征向量做归一化处理，得到目标特征向量。

在一些实施例中，图4的损失模块403根据人脸样本图像对应人脸类别的样本数及最大类别样本数确定加性间隔参数，包括采用以下公式计算加性间隔参数：

其中，m表示加性间隔参数，m

在一些实施例中，图4的损失模块403将夹角及加性间隔参数输入到预设的损失函数中计算损失值，包括采用以下损失函数计算损失值：

其中，x

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图5是本申请实施例提供的电子设备5的结构示意图。如图5所示，该实施例的电子设备5包括：处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在电子设备5中的执行过程。

电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是电子设备5的示例，并不构成对电子设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器501可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器502可以是电子设备5的内部存储单元，例如，电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备，例如，电子设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。