一种图像识别模型训练方法和装置与流程

本申请涉及图像识别，尤其涉及一种图像识别模型训练方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、面部表情是人际交往中信息传递的重要途径，在察觉人物情绪和分析人物话语含义等方面起到了非常重要的作用。随着人工智能深度学习方法的完善和普及，现有面部表情识别算法在识别准确率等方面取得了一定提升，但仍旧存在较大改进空间。特别是现有表情识别数据集中包含的两类噪声样本，对表情识别算法精度造成很大的影响。

2、因此，如何解决噪声样本对表情识别精度的影响，特别是如何通过优化识别模型不去拟合噪声样本，以便提高表情识别算法精度，是亟待解决的技术问题。

技术实现思路

1、有鉴于此，本申请实施例提供了一种图像识别模型训练方法、装置、电子设备及计算机可读存储介质，以解决现有技术在噪声场景下面部表情识别方法精度不高的问题。

2、本申请实施例的第一方面，提供了一种图像识别模型训练方法，包括：

3、获取目标面部图像训练集；

4、提取所述目标面部图像中的面部语义特征，所述面部语义特征包括原图特征和翻转特征；

5、将所述原图特征和所述翻转特征输入至面部表情识别模型，以便获得面部表情分类结果；

6、依据第一损失函数迭代更新所述面部表情识别模型的参数，直至达到预设的迭代终止条件，以便获得经训练的所述面部表情识别模型；其中所述第一损失函数由一致性损失函数和分类损失函数确定。

7、本申请实施例的第二方面，提供了一种图像识别模型训练装置，适用于第一方面所述的图像识别模型训练方法，所述装置包括：

8、训练集获取模块，能够获取目标面部图像训练集；

9、面部特征提取模块，能够提取所述目标面部图像中的面部语义特征，所述面部语义特征包括原图特征和翻转特征；

10、面部表情识别模块，能够将所述原图特征和所述翻转特征输入至面部表情识别模型，以便获得面部表情分类结果；

11、面部表情识别模型训练模块，能够依据第一损失函数迭代更新所述面部表情识别模型的参数，直至达到预设的迭代终止条件，以便获得经训练的所述面部表情识别模型；其中所述第一损失函数由一致性损失函数和分类损失函数确定。

12、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、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现第一方面所述方法的步骤。

13、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第一方面所述方法的步骤。

14、本申请实施例与现有技术相比存在的有益效果至少包括：本申请实施例通过获取目标面部图像训练集；提取目标面部图像中的面部语义特征，面部语义特征包括原图特征和翻转特征；将原图特征和翻转特征输入至面部表情识别模型，以便获得面部表情分类结果；依据第一损失函数迭代更新面部表情识别模型的参数，直至达到预设的迭代终止条件，以便获得经训练的面部表情识别模型，其中第一损失函数由一致性损失函数和分类损失函数确定。本申请的方法通过提取高层语义特征，以及通过loss来约束网络对噪声数据的拟合，从而让网络学习到更加整体的全局特征，从而有利于表情识别方法优化，可有效解决噪声数据对表情识别精度影响，提升表情识别精度。

技术特征：

1.一种图像识别模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述翻转特征包括水平翻转特征和垂直翻转特征；以及，提取所述目标面部图像中的面部语义特征的过程，包括：

3.根据权利要求2所述的方法，其特征在于，所述面部表情识别模型包括注意力学习单元和分类识别单元；以及，将所述原图特征和所述翻转特征输入至面部表情识别模型，以便获得面部表情分类结果的过程，包括：

4.根据权利要求3所述的方法，其特征在于，基于所述水平增强特征图和所述原图增强特征图，确定第一一致性损失函数；以及，基于所述垂直增强特征图和所述原图增强特征图，确定第二一致性损失函数；以及，基于所述表情分类概率，确定分类损失函数。

5.根据权利要求3所述的方法，其特征在于，所述注意力学习单元依次包括全局平均池化层、全连接层和sigmoid层；和/或，所述分类识别单元依次包括全局池化层、全连接层和softmax层。

6.根据权利要求3所述的方法，其特征在于，获得所述水平增强特征图的过程包括所述水平翻转特征经所述注意力学习单元的输出结果与所述水平翻转特征相乘后，进行水平翻转，以便获得所述水平增强特征图；和/或，

7.根据权利要求4所述的方法，其特征在于，基于所述第一一致性损失函数、所述第二一致性损失函数和所述分类损失函数，确定所述面部表情识别模型的训练损失函数。

8.一种图像识别模型训练装置，其特征在于，适用于权利要求1至7任一项所述的图像识别模型训练方法，所述装置包括：

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时，实现如权利要求1至7中任一项所述方法的步骤。

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中任一项所述方法的步骤。

技术总结
本申请涉及图像识别技术领域，提供了一种图像识别模型训练方法、装置、电子设备及计算机可读存储介质。该方法包括获取目标面部图像训练集；提取上述目标面部图像中的面部语义特征，上述面部语义特征包括原图特征和翻转特征；将上述原图特征和上述翻转特征输入至面部表情识别模型，以便获得面部表情分类结果；依据第一损失函数迭代更新上述面部表情识别模型的参数，直至达到预设的迭代终止条件，以便获得经训练的上述面部表情识别模型，其中上述第一损失函数由一致性损失函数和分类损失函数确定。本申请可有效解决噪声数据对表情识别精度影响，提升表情识别精度。

技术研发人员：蒋召,黄泽元
受保护的技术使用者：深圳须弥云图空间科技有限公司
技术研发日：
技术公布日：2024/1/15