技术特征：
1.一种模型训练方法，其特征在于，包括：构建用于从已标注好质量类别或坏质量类别的人脸图像中提取人脸特征向量的特征提取模型；构建用于生成所述人脸特征向量对应的质量分数特征图的特征生成模型；对所述特征提取模型和所述特征生成模型进行联合训练，得到训练好的特征提取模型和特征生成模型；其中，所述联合训练的损失函数包括：人脸特征向量的分类损失和中心损失，好质量类别的人脸图像的质量分数特征图的特征损失，各质量类别的人脸图像的质量分数特征图的分类损失。2.根据权利要求1所述的模型训练方法，其特征在于，所述质量分数特征图与对应的所述人脸图像尺寸相同，所述质量分数特征图中每个像素点的像素值表示在所述人脸图像中对应的像素点的质量分数。3.根据权利要求1或2所述的模型训练方法，其特征在于，采用如下公式构建所述人脸特征向量的分类损失和中心损失所对应的损失函数：其中，l1为人脸特征向量的分类损失和中心损失对应的损失函数，n为人脸图像的数量，k为质量类别的类别数，λ为超参数，f(x
i
)为第i个所述人脸图像的人脸特征向量，为第i个所述人脸图像属于各质量类别的概率，y
i
为第i个所述人脸图像的类别标签，x
i
为第i个所述人脸图像的人脸特征向量的特征值，c
yi
为第y
i
类别的特征均值，||*||2表示求*的l2范数。4.根据权利要求1或2所述的模型训练方法，其特征在于，采用如下公式构建所述好质量类别的人脸图像的质量分数特征图的特征损失所对应的损失函数：其中，l2为所述好质量类别的人脸图像的质量分数特征图的特征损失对应的损失函数，m为属于好质量类别的人脸图像的数量，f
i
为好质量类别的第i个人脸图像的质量分数特征图，f
*
为好质量类别的人脸图像对应的标准质量分数特征图，||*||1表示求*的l1范数。5.根据权利要求1或2所述的模型训练方法，其特征在于，采用如下公式构建所述质量分数特征图的分类损失的损失函数：其中，l3为质量分数特征图的分类损失对应的损失函数，y
i
为第i个所述人脸图像的类别标签，p
i
为所述质量分数特征图属于各质量类别的概率。
6.根据权利要求1所述的模型训练方法，其特征在于，所述联合训练所采用的人脸图像的样本通过如下过程获取：对获取的原始人脸图像进行人脸检测，确定所述原始人脸图像中人脸的位置；根据所述原始人脸图像中人脸的位置对所述原始人脸图像进行裁剪，得到第一人脸图像；对第一人脸图像的每个像素值进行归一化处理，并标注所述第一人脸图像所属的好质量类别或坏质量类被，得到用于所述联合训练所采用的人脸图像的样本。7.一种人脸图像质量评价方法，其特征在于，包括：将待测人脸图像输入到已训练好的特征提取模型和特征生成模型中，得到质量分数特征图；根据所述待测人脸图像的质量分数特征图对所述待测人脸图像的待评价区域进行质量评价，得到待评价区域的质量分数；其中所述特征提取模型和所述特征生成模型通过如权利要求1至6中任一项所述的模型训练方法获取。8.根据权利要求7所述的人脸图像质量评价方法，其特征在于，所述根据所述待测人脸图像的质量分数特征图对所述待测人脸图像的待评价区域进行质量评价，得到待评价区域的质量分数，包括：获取所述待测人脸图像的待评价区域在所述质量分数特征图中的对应区域；将所述质量分数特征图中对应区域内像素值绝对值之和的平均值作为所述待评价区域的质量分数。9.一种电子设备，其特征在于，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如权利要求1至6中任一所述的模型训练方法，或者能够执行如权利要求7至8中任一所述的人脸图像质量评价方法。10.一种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权利要求1至6中任一项所述的模型训练方法，或者实现如权利要求7至8中任一所述的人脸图像质量评价方法。
技术总结
本申请实施例涉及图像识别技术领域，公开了一种模型训练方法、人脸图像质量评价方法、设备及介质。模型训练方法包括：构建用于从已标注好质量类别或坏质量类别的人脸图像中提取人脸特征向量的特征提取模型；构建用于生成人脸特征向量对应的质量分数特征图的特征生成模型；对特征提取模型和特征生成模型进行联合训练；联合训练的损失函数包括人脸特征向量的分类损失和中心损失，好质量类别的人脸图像的质量分数特征图的特征损失，各质量类别的人脸图像的质量分数特征图的分类损失。由于无需与特定的人脸识别模型配合使用，使得通过特征提取模型和特征生成模型输出的质量分数特征图可以客观准确地表征出人脸图像质量好坏，且模型简单、训练速度快。模型简单、训练速度快。模型简单、训练速度快。
技术研发人员：浦煜 朱海涛 付贤强 何武 户磊
受保护的技术使用者：合肥的卢深视科技有限公司
技术研发日：2022.09.29
技术公布日：2023/1/17