(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 202211353988.0 (22)申请日 2022.11.01 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 张韵璇　 (74)专利代理 机构 深圳翼盛智成知识产权事务 所(普通合伙) 44300 专利代理师 李玉婷 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) (54)发明名称 模型更新方法、 装置、 设备、 存储介质及程序 产品 (57)摘要 本申请实施例公开了一种模 型更新方法、 装 置、 设备、 存储介质及程序产品； 在本申请实施例 中， 对训练样本的脸部特征和训练样本的标签对 应的目标簇的中心特征进行融合处理， 得到训练 样本的融合特征； 根据融合特征和脸部特征， 对 目标簇的中心特征进行调整， 得到目标簇的调整 后中心特征； 对脸部特征和目标簇的调整后中心 特征进行融合处理， 得到训练样 本的调整后融合 特征； 根据调整后融合特征， 确定融合特征和调 整后融合特征之间的兼容损失值， 以及确定脸部 识别模型的分类损失值； 根据分类损失值和兼容 损失值， 对脸部识别模型进行训练， 得到脸部识 别模型更新后的目标脸部识别模 型。 本申请实施 例可以提高目标脸部识别模型的兼容 性。 权利要求书4页 说明书32页 附图14页 CN 115439919 A 2022.12.06 CN 115439919 A 1.一种模型 更新方法， 其特 征在于， 包括： 获取更新脸部识别模型的训练集， 所述训练集包括至少一个带标签的训练样本， 所述 训练样本为所述 脸部识别模型历史识别的脸部图像； 对所述训练样本进行特征提取， 得到所述训练样本对应的脸部特征， 并对所述脸部特 征和所述标签对应的目标簇的中心特 征进行融合处 理， 得到所述训练样本的融合特 征； 根据所述融合特征和所述脸部特征， 对所述目标簇的中心特征进行调整， 得到所述目 标簇的调整后中心特 征； 对所述脸部特征和所述目标簇的调整后中心特征进行融合处理， 得到所述训练样本的 调整后融合特 征； 根据所述调 整后融合特征， 确定所述融合特征和所述调整后融合特征之间的兼容损失 值， 以及确定所述 脸部识别模型的分类损失值； 根据所述分类损 失值和所述兼容损 失值， 对所述脸部识别模型进行训练， 得到所述脸 部识别模型 更新后的目标脸部识别模型。 2.根据权利要求1所述的模型更新方法， 其特征在于， 所述根据 所述融合特征和所述脸 部特征， 对所述目标簇的中心特 征进行调整， 得到所述目标簇的调整后中心特 征， 包括： 根据所述融合特 征， 确定所述训练样本的预测标签； 根据所述脸部特征以及所述预测标签， 对所述目标簇的中心特征进行调整， 得到所述 目标簇的调整后中心特 征。 3.根据权利要求2所述的模型更新方法， 其特征在于， 所述对所述训练样本进行特征提 取， 得到所述训练样本对应的脸部特 征， 包括： 通过所述脸部识别模型中特征提取层对所述训练样本进行特征提取， 得到所述训练样 本对应的初始脸部特 征； 通过所述脸部识别模型中特征映射层对所述初始脸部特征进行特征映射， 得到所述训 练样本对应的脸部特 征。 4.根据权利要求3所述的模型更新方法， 其特征在于， 所述根据 所述脸部特征以及所述 预测标签， 对所述目标簇的中心特 征进行调整， 得到所述目标簇的调整后中心特 征， 包括： 获取所述脸部特征对应的第一方向信息， 以及获取所述初始脸部特征的第二方向信 息； 根据所述第一方向信息、 所述第二方向信息以及所述预测标签， 对所述目标簇的中心 特征进行调整， 得到所述目标簇的调整后中心特 征。 5.根据权利要求4所述的模型更新方法， 其特征在于， 所述根据所述第一方向信息、 所 述第二方向信息以及所述预测标签， 对所述 目标簇的中心特征进行调整， 得到所述 目标簇 的调整后中心特 征， 包括： 获取所述目标簇的中心特 征的第三方向信息； 根据所述第一方向信 息、 所述第 二方向信 息、 所述第 三方向信 息以及所述预测标签， 对 所述目标簇的中心特 征进行调整， 得到所述目标簇的调整后中心特 征。 6.根据权利要求3所述的模型更新方法， 其特征在于， 所述脸部识别模型中还包括中心 映射层， 所述方法还 包括： 获取所述标签对应的目标簇的初始中心特 征；权　利　要　求　书 1/4 页 2 CN 115439919 A 2通过所述脸部识别模型的中心映射层， 对所述初始中心特征进行映射， 得到所述标签 对应的目标簇的中心特 征。 7.根据权利要求1至6任一项所述的模型更新方法， 其特征在于， 所述获取更新脸部识 别模型的训练集， 包括： 获取所述脸部识别模型历史识别的脸部图像； 从所述脸部图像对应的图片簇 中筛选出待标注图片簇组， 并根据 所述待标注图片簇组 对所述脸部图像进行 标注， 得到带 标签的脸部图像； 根据所述带 标签的脸部图像， 确定更新 脸部识别模型的训练集。 8.根据权利要求7所述的模型更新方法， 其特征在于， 获取所述脸部识别模型历史识别 的脸部图像， 包括： 获取所述脸部识别模型历史识别的历史脸部图像； 提取所述历史脸部图像的关键点， 并根据 所述关键点确定所述历史脸部图像对应的质 量分数； 将满足预设分数阈值的质量分数对应的历史脸部图像， 作为所述脸部识别模型历史识 别的脸部图像。 9.根据权利要求8所述的模型更新方法， 其特征在于， 所述根据 所述关键点确定所述历 史脸部图像对应的质量分数， 包括： 获取所述历史脸部图像的多个质量模型； 通过所述质量模型， 根据所述关键点， 确定所述历史脸部图像的多个初始质量分数； 根据所述初始质量分数， 确定所述历史脸部图像对应的质量分数。 10.根据权利要求9所述的模型更新方法， 其特征在于， 所述历史脸部图像存在多个质 量评价维度， 每 个所述质量评价维度对应一个维度质量模型； 所述通过所述质量模型， 根据所述关键点， 确定所述历史脸部 图像的多个初始质量分 数， 根据所述初始质量分数， 确定所述历史脸部图像对应的质量分数， 包括： 通过所述维度质量模型， 根据所述关键点， 确定所述历史脸部 图像针对每个质量评价 维度的初始质量分数； 对各个所述初始质量分数进行加权运 算， 得到所述历史脸部图像对应的质量分数。 11.根据权利要求10所述的模型更新方法， 其特征在于， 在所述通过所述维度质量模 型， 根据所述关键点确定所述历史脸部图像对应的质量分数之前， 还 包括： 获取待训练维度质量模型的第一训练集， 所述第一训练集包括多个第一训练样本； 提取所述第一训练样本的样本关键点， 并根据所述样本关键点， 确定所述待训练维度 质量模型的成对损失值和/或锚损失值； 根据所述成对损失值和/或锚损失值， 对所述待训练维度质量模型进行训练， 得到维度 质量模型。 12.根据权利要求9所述的模型更新方法， 其特征在于， 所述历史脸部图像的多个质量 模型包括第一综合质量模型和 第二综合质量模型， 所述根据所述关键点确定所述历史脸部 图像对应的质量分数， 包括： 通过所述第一综合质量模型， 根据所述关键点， 确定所述历史脸部 图像对应的第一初 始质量分数；权　利　要　求　书 2/4 页 3 CN 115439919 A 3