始人臉識別模型進(jìn)行更新后得到的人臉識別模型，該更新后人臉識別模型中包括原始人臉識別模型的前Μ層特征系數(shù)和經(jīng)全部各批訓(xùn)練樣本子集訓(xùn)練后得到的后N-Μ層特征系數(shù)。
[0143]在獲得測試樣本集后，根據(jù)該測試樣本集對更新后的人臉識別模型進(jìn)行準(zhǔn)確度測試，以確定更新后的人臉識別模型的準(zhǔn)確度。
[0144]在步驟302中，分別將所述各測試人臉圖像輸入到所述更新后的人臉識別模型中，獲得所述更新后的人臉識別模型輸出的各測試人臉圖像分別對應(yīng)的第二輸出分類標(biāo)號。
[0145]在步驟303中，根據(jù)預(yù)設(shè)距離度量方式，確定所述各測試人臉圖像對應(yīng)的第二原始分類標(biāo)號與對應(yīng)的第二輸出分類標(biāo)號間的距離。
[0146]在步驟304中，根據(jù)各所述距離，確定所述更新后的人臉識別模型的準(zhǔn)確度。
[0147]在測試過程中，分別將各測試人臉圖像輸入到更新后的人臉識別模型中，得到更新后的人臉識別模型分類輸出的分類標(biāo)號即第二輸出分類標(biāo)號。進(jìn)而，根據(jù)每個第二輸出分類標(biāo)號與對應(yīng)的第二原始分類標(biāo)號的距離，確定更新后的人臉識別模型的準(zhǔn)確度。
[0148]具體來說，根據(jù)諸如歐式距離、馬氏距離、切比雪夫距離、余弦距離等預(yù)設(shè)距離度量方式，分別計算各第二原始分類標(biāo)號與對應(yīng)的各第二輸出分類標(biāo)號間的距離。
[0149]進(jìn)而，可以將計算獲得的各距離與預(yù)設(shè)距離閾值進(jìn)行比較，確定小于或等于預(yù)設(shè)距離閾值的距離數(shù)量占測試樣本集包含的樣本數(shù)量的比例，即確定更新后的人臉識別模型的準(zhǔn)確度。
[0150]如果該準(zhǔn)確度大于一定較高的準(zhǔn)確度閾值，則說明更新后的人臉識別模型的準(zhǔn)確性良好，以該更新后的人臉識別模型用于后續(xù)的人臉識別處理中將會獲得很好的識別效果。相反的，如果該準(zhǔn)確度小于準(zhǔn)確度閾值，說明還需要對該更新后的人臉識別模型進(jìn)行再訓(xùn)練，以調(diào)整其后N-Μ層特征系數(shù)。
[0151]如果該準(zhǔn)確度小于準(zhǔn)確度閾值，需要對該更新后的人臉識別模型進(jìn)行再訓(xùn)練，具體的再訓(xùn)練過程如圖5所示。圖5是根據(jù)一示例性實施例示出的一種人臉識別模型訓(xùn)練方法實施例四的流程圖，如圖5所示，若所述準(zhǔn)確度小于預(yù)設(shè)準(zhǔn)確度閾值，則迭代執(zhí)行如下處理，直到達(dá)到最大迭代次數(shù)或準(zhǔn)確度大于預(yù)設(shè)準(zhǔn)確度閾值為止:
[0152]在步驟401中，更新所述第二訓(xùn)練樣本集。
[0153]在步驟402中，根據(jù)更新后的第二訓(xùn)練樣本集對前一次迭代對應(yīng)的更新后人臉識別模型中的后N-Μ層特征系數(shù)進(jìn)行訓(xùn)練，得到本次迭代對應(yīng)的更新后人臉識別模型。
[0154]在步驟403中，根據(jù)更新的測試樣本集對本次迭代對應(yīng)的更新后人臉識別模型進(jìn)行準(zhǔn)確度測試，確定對應(yīng)的準(zhǔn)確度。
[0155]本實施例中，當(dāng)需要對基于上述第二訓(xùn)練樣本集對原始人臉識別模型進(jìn)行訓(xùn)練獲得的更新后人臉識別模型進(jìn)行再訓(xùn)練時，首先需要更新第二訓(xùn)練樣本集。更新后的第二訓(xùn)練樣本集與之前的第二訓(xùn)練樣本集不同。
[0156]為了區(qū)別描述清楚，對基于第一個第二訓(xùn)練樣本集對原始人臉識別模型進(jìn)行訓(xùn)練獲得的更新后人臉識別模型，稱為第一個更新后人臉識別模型。經(jīng)過一次更新后的第二訓(xùn)練樣本集為第二個第二訓(xùn)練樣本集，基于第二個第二訓(xùn)練樣本集對第一個更新后人臉識別模型進(jìn)行訓(xùn)練的過程與對第一個更新后人臉識別模型的訓(xùn)練過程類似，都包括設(shè)置分類標(biāo)號、編碼、訓(xùn)練、分類誤差率判斷等步驟，在此不再贅述。
[0157]之后，也可以更新測試樣本集，以更新后的測試樣本集對第二個更新后的人臉識別模型的準(zhǔn)確度進(jìn)行測試。
[0158]可以理解的是，如果第二個更新后的人臉識別模型的準(zhǔn)確度大于預(yù)設(shè)準(zhǔn)確度閾值，則可以結(jié)束，以該第二個更新后的人臉識別模型作為目標(biāo)人臉識別模型，以用于后續(xù)的人臉識別應(yīng)用中。
[0159]但是，如果在達(dá)到最大迭代次數(shù)時，都沒有獲得準(zhǔn)確度大于預(yù)設(shè)準(zhǔn)確度閾值的人臉識別模型，則在迭代執(zhí)行完最大迭代次數(shù)后，可以進(jìn)行如下的處理:
[0160]在步驟404中，確定各次迭代對應(yīng)的準(zhǔn)確度中的最大準(zhǔn)確度。
[0161]在步驟405中，確定與所述最大準(zhǔn)確度對應(yīng)的更新后人臉識別模型為目標(biāo)人臉識別豐吳型。
[0162]也就是說，如果對原始人臉識別模型經(jīng)過全部迭代過程之后，都沒有獲得準(zhǔn)確度大于預(yù)設(shè)準(zhǔn)確度閾值的一個更新后人臉識別模型，則從各次迭代對應(yīng)的準(zhǔn)確度中確定出最大準(zhǔn)確度，并最終確定與該最大準(zhǔn)確度對應(yīng)的更新后人臉識別模型為目標(biāo)人臉識別模型，以將該目標(biāo)人臉識別模型用于后續(xù)的人臉識別應(yīng)用中。
[0163]以上實施例中，通過多次迭代訓(xùn)練、測試的過程，能夠保證獲得的目標(biāo)人臉識別模型具有最佳的準(zhǔn)確性。
[0164]圖6是根據(jù)一示例性實施例示出的一種人臉識別模型訓(xùn)練裝置實施例一的框圖，如圖6所示，該裝置包括:第一獲取模塊11、第二獲取模塊12、編碼模塊13、訓(xùn)練模塊14。
[0165]第一獲取模塊11，被配置為獲取原始人臉識別模型，所述原始人臉識別模型是使用第一訓(xùn)練樣本集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后得到的，所述原始人臉識別模型中包括N層特征系數(shù)，2。
[0166]第二獲取模塊12，被配置為獲取第二訓(xùn)練樣本集，并確定第二訓(xùn)練樣本集中的各樣本人臉圖像對應(yīng)的第一原始分類標(biāo)號，所述各樣本人臉圖像是存儲于云端人臉相冊中的人臉圖像。
[0167]編碼模塊13，被配置為采用所述原始人臉識別模型的前Μ層特征系數(shù)對所述第二訓(xùn)練樣本集中的各樣本人臉圖像進(jìn)行編碼，獲得編碼后的第二訓(xùn)練樣本集；其中，所述編碼后的第二訓(xùn)練樣本集中包括與各樣本人臉圖像分別對應(yīng)的各編碼后特征向量以及與各編碼后特征向量分別對應(yīng)的第一原始分類標(biāo)號，Ν多Μ多1。
[0168]訓(xùn)練模塊14，被配置為根據(jù)所述編碼后的第二訓(xùn)練樣本集對所述原始人臉識別模型的后N-Μ層特征系數(shù)進(jìn)行訓(xùn)練，獲得訓(xùn)練后的后N-Μ層特征系數(shù)。
[0169]圖7是根據(jù)一示例性實施例示出的一種人臉識別模型訓(xùn)練裝置實施例二的框圖，如圖7所示，在圖6所示實施例的基礎(chǔ)上，所述訓(xùn)練模塊14包括:分批處理子模塊141和訓(xùn)練子模塊142。
[0170]分批處理子模塊141，被配置為對所述編碼后的第二訓(xùn)練樣本集中的各編碼后特征向量進(jìn)行隨機(jī)分批處理，獲得各批訓(xùn)練樣本子集。
[0171]訓(xùn)練子模塊142，被配置為依次以每批訓(xùn)練樣本子集對所述原始人臉識別模型的后N-Μ層特征系數(shù)進(jìn)行訓(xùn)練，獲得經(jīng)全部各批訓(xùn)練樣本子集訓(xùn)練后得到的后N-Μ層特征系數(shù)。
[0172]其中，所述訓(xùn)練子模塊142被配置為:
[0173]依次以當(dāng)前一批訓(xùn)練樣本子集中的各編碼后特征向量為輸入，迭代執(zhí)行如下處理，直到所述全部各批訓(xùn)練樣本子集都被執(zhí)行為止:
[0174]以當(dāng)前一批訓(xùn)練樣本子集中的各編碼后特征向量為輸入對所述原始人臉識別模型的后N-Μ層特征系數(shù)進(jìn)行訓(xùn)練，得到與所述當(dāng)前一批訓(xùn)練樣本子集中的各編碼后特征向量分別對應(yīng)的第一輸出分類標(biāo)號；
[0175]根據(jù)預(yù)設(shè)距離度量方式，確定所述當(dāng)前一批訓(xùn)練樣本子集中的各編碼后特征向量分別對應(yīng)的第一原始分類標(biāo)號與對應(yīng)的第一輸出分類標(biāo)號間的距離；
[0176]根據(jù)各所述距離，確定所述當(dāng)前一批訓(xùn)練樣本子集對應(yīng)的分類誤差率；
[0177]在所述分類誤差率大于預(yù)設(shè)閾值時，調(diào)整經(jīng)所述當(dāng)前一批訓(xùn)練樣本子集中的各編碼后特征向量對所述原始人臉識別模型的后N-Μ層特征系數(shù)進(jìn)行訓(xùn)練后得到的后N-Μ層特征系數(shù)；
[0178]更新所述當(dāng)前一批訓(xùn)練樣本子集為所述當(dāng)前一批訓(xùn)練樣本子集的下一批訓(xùn)練樣本子集。
[0179]圖8是根據(jù)一示例性實施例示出的一種人臉識別模型訓(xùn)練裝置實施例三的框圖，如圖8所示，在上述實施例的基礎(chǔ)上，所述裝置還包括:第三獲取模塊21和測試模塊22。
[0180]第三獲取模塊21，被配置為獲取測試樣本集，并確定測試樣本集中的各測試人臉圖像對應(yīng)的第二原始分類標(biāo)號，所述測試樣本集中的各測試人臉圖像與所述第二訓(xùn)練樣本集中的各樣本人臉圖像不同。
[0181]測試模塊22，被配置為根據(jù)所述測試樣本集對更新后的人臉識別模型進(jìn)行準(zhǔn)確度測試，確定所述更新后的人臉識別模型的準(zhǔn)確度，所述更新后的人臉識別模型中包括所述前Μ層特征系數(shù)和所述經(jīng)全部各批訓(xùn)練樣本子集訓(xùn)練后得到的后N-Μ層特征系數(shù)。
[0182]其中，所述測試模塊22包括:測試子模塊221，第一確定子模塊222和第二確定子模塊223。
[0183]測試子模塊221，被配置為分別將所述各測試人臉圖像輸入到所述更新后的人臉識別模型中，獲得所述更新后的人臉識別模型輸出的各測試人臉圖像分別對應(yīng)的第二輸出分類標(biāo)號。
[0184]第一確定子模塊222，被配置為根據(jù)預(yù)設(shè)距離度量方式，確定所述各測試人臉圖像對應(yīng)的第二原始分類標(biāo)號與對應(yīng)的第二輸出分類標(biāo)號間的距離。
[0185]第二確定子模塊223，被配置為根據(jù)各所述距離，確定所述更新后的人臉識別模型的準(zhǔn)確度。
[0186]圖9是根據(jù)一示例性實施例示出的一種人臉識別模型訓(xùn)練裝置實施例四的框圖，如圖9所示，在圖8所示實施例基礎(chǔ)上，該裝置還包括:迭代處理模塊31。
[0187]迭代處理模塊31，被配置為在所述準(zhǔn)確度小于預(yù)設(shè)準(zhǔn)確度閾值時，迭代執(zhí)行如下處理，直到達(dá)到最大迭代次數(shù)或準(zhǔn)確度大于預(yù)設(shè)準(zhǔn)確度閾值為止:
[0188]更新所述第二訓(xùn)練樣本集；
[0189]根據(jù)更新后的第二訓(xùn)練樣本集對前一次迭代對應(yīng)的更新后人臉識別模型中的后N-Μ層特征系數(shù)進(jìn)行訓(xùn)練，得到本次迭代對應(yīng)的更新后人臉識別模型；
[0190]根據(jù)更新的測試樣本集對本次迭代對應(yīng)的更新后人臉識別模型進(jìn)行準(zhǔn)確度測試，確定對應(yīng)的準(zhǔn)確度。
[0191]進(jìn)一步的，所述裝置還包括:第一確定模塊32和第二確定模塊33。
[0192]第一確定模塊32，被配置為確定各次迭代對應(yīng)的準(zhǔn)確度中的最大準(zhǔn)確度。
[0193]第二確定模塊33，被配置為確定與所述最大準(zhǔn)確度對應(yīng)的更新后人臉識別模型為目標(biāo)人臉識別模型。
[0194]關(guān)于上述實施例中的人臉識別模型訓(xùn)練裝置，其中各個模塊、子模塊、單元執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實施例中進(jìn)行了詳細(xì)描述，此處將