人脸数据清洗方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及人脸数据清洗方法、装置、电子设备和计算机可读介质。


背景技术：

2.随着人脸识别技术的发展，人脸识别数据集的质量直接影响了人脸识别技术的效果。如何清洗不同人员的人脸识别数据集中的人脸识别数据成为一项重要的研究课题。目前，在对不同人员的人脸识别数据集中的人脸识别数据进行清洗时，通常采用的方式为：从任一人脸识别数据集中随机选取人脸识别数据与另一人脸识别数据集中各个人脸识别数据进行相似度比较，响应于确定两个人脸识别数据集为同一人员的人脸识别数据集，合并两个人脸识别数据集。
3.然而，当采用上述方式对人脸识别数据集中的人脸识别数据进行清洗时，经常会存在如下技术问题：
4.第一，人脸识别数据集中可能会存在不同人员的人脸识别数据，随机选取人脸识别数据确定相似度时，可能将不同人员的人脸识别数据集进行合并或未合并同一人员的人脸识别数据集，导致人脸识别数据集的质量较低。
5.第二，人脸识别数据集中可能会存在不同人员的人脸识别数据，未对同一人脸识别数据集中不同人员的人脸识别数据进行清洗，导致人脸识别数据集的质量较低。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
7.本公开的一些实施例提出了人脸数据清洗方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
8.第一方面，本公开的一些实施例提供了一种人脸数据清洗方法，该方法包括：获取待清洗人脸数据组集；从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
9.第二方面，本公开的一些实施例提供了一种人脸数据清洗装置，装置包括：获取单元，被配置成获取待清洗人脸数据组集；选取单元，被配置成从上述待清洗人脸数据组集中
选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；处理单元，被配置成基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
10.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
11.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
12.本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的人脸数据清洗方法，可以提高人脸识别数据集的质量。具体来说，造成人脸识别数据集的质量较低的原因在于：人脸识别数据集中可能会存在不同人员的人脸识别数据，随机选取人脸识别数据确定相似度时，可能将不同人员的人脸识别数据集进行合并或未合并同一人员的人脸识别数据集，导致人脸识别数据集的质量较低。基于此，本公开的一些实施例的人脸数据清洗方法，首先，获取待清洗人脸数据组集；从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集。由此，可以对不同人员的待清洗人脸数据组进行清洗。然后，基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：首先，确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值。由此，可以通过相似度均值确定第一目标人脸数据组与第二目标人脸数据组集中的第一个第二目标人脸数据组是否为同一人员的人脸数据组。其次，响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组。由此，可以将同一人员的人脸数据组进行合并，可以提高人脸数据组的质量。最后，响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。由此，完成对待清洗人脸数据组集的清洗。提高了人脸识别数据集的质量。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是根据本公开的人脸数据清洗方法的一些实施例的流程图；
15.图2是根据本公开的人脸数据清洗装置的一些实施例的结构示意图；
16.图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
17.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
18.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
19.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
20.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
21.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
22.下面将参考附图并结合实施例来详细说明本公开。
23.图1示出了根据本公开的人脸数据清洗方法的一些实施例的流程100。该人脸数据清洗方法，包括以下步骤：
24.步骤101，获取待清洗人脸数据组集。
25.在一些实施例中，人脸数据清洗方法的执行主体(例如服务器)可以通过有线连接或者无线连接的方式从目标数据库中获取待清洗人脸数据组集。其中，上述待清洗人脸数据组集中的待清洗人脸数据组中的待清洗人脸数据可以是预先存储的识别出的人脸数据。上述目标数据库可以是存储待清洗人脸数据组集的数据库。
26.可选地，在步骤101之前，获取待提取人脸图像组集。
27.在一些实施例中，上述执行主体可以通过有线连接或者无线连接的方式，从上述目标数据库中获取待提取人脸图像组集。其中，上述待提取人脸图像组集中的待提取人脸图像组中的待提取人脸图像可以是预先存储的需要进行识别的人脸图像。
28.可选地，在步骤101之前，将上述待提取人脸图像组集包括的每个待提取人脸图像输入至预先训练的人脸识别模型中，得到待清洗人脸数据组集。
29.在一些实施例中，上述执行主体可以将上述待提取人脸图像组集包括的每个待提取人脸图像输入至预先训练的人脸识别模型中，得到待清洗人脸数据组集。其中，上述人脸识别模型可以是预先训练的用于识别人脸图像的人脸数据的神经网络模型。例如，上述人脸识别模型可以是预先训练的卷积神经网络模型或深度学习模型。
30.可选地，上述人脸识别模型可以是通过以下步骤训练得到的：
31.第一步，获取样本集合。
32.在一些实施例中，上述执行主体可以获取样本集合。其中，上述样本集合中的样本包括样本待提取人脸图像，以及与上述待提取人脸图像对应的样本待清洗人脸数据。
33.第二步，从上述样本集合中选择样本。
34.在一些实施例中，上述执行主体可以从上述样本集合中选择样本。这里，上述执行主体可以随机从上述样本集合中选择样本。
35.第三步，将上述样本输入至初始网络模型，得到对应上述样本的待清洗人脸数据。
36.在一些实施例中，上述执行主体可以将上述样本输入至初始网络模型，得到对应上述样本的待清洗人脸数据。其中，上述初始神经网络可以是能够根据待提取人脸图像得到待清洗人脸数据的神经网络模型。上述初始神经网络可以是生成模型。例如，上述初始神经网络模型可以是卷积神经网络模型。
37.第四步，确定上述待清洗人脸数据与上述样本包括的样本待清洗人脸数据之间的损失值。
38.在一些实施例中，上述执行主体可以确定上述待清洗人脸数据与上述样本包括的样本待清洗人脸数据之间的损失值。实践中，第一，可以使用基于opencv的图像相似度方法确定待清洗人脸数据与样本待清洗人脸数据的相似度。第二，可以将预设相似度与上述相似度的差值确定为上述待清洗人脸数据与上述样本包括的样本待清洗人脸数据之间的损失值。上述预设相似度可以是预先设定的相似度。例如，上述预设相似度可以是1。
39.第五步，响应于上述损失值大于等于预设阈值，调整上述初始网络模型的网络参数。
40.在一些实施例中，上述执行主体可以响应于上述损失值大于等于预设阈值，调整上述初始网络模型的网络参数。这里，对于预设阈值的设定，不作限制。例如，可以对损失值和预设阈值求差值，得到损失差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
41.可选地，响应于上述损失值小于上述预设阈值，将上述初始网络模型确定为人脸识别模型。
42.在一些实施例中，上述执行主体可以响应于上述损失值小于上述预设阈值，将上述初始网络模型确定为人脸识别模型。
43.可选地，在步骤101之后，对于上述待清洗人脸数据组集中的每个待清洗人脸数据组中的每个待清洗人脸数据，执行如下确定步骤：
44.第一确定步骤，确定上述待清洗人脸数据与上述待清洗人脸数据组中除上述待清洗人脸数据的每个待清洗人脸数据的数据相似度，得到数据相似度集合。
45.在一些实施例中，上述执行主体可以确定上述待清洗人脸数据与上述待清洗人脸数据组中除上述待清洗人脸数据的每个待清洗人脸数据的数据相似度，得到数据相似度集合。实践中，可以将待清洗人脸数据与上述待清洗人脸数据组中除上述待清洗人脸数据的待清洗人脸数据输入至欧式距离公式，得到数据相似度。
46.第二确定步骤，根据上述数据相似度集合，确定数据相似度均值。
47.在一些实施例中，上述执行主体可以根据上述数据相似度集合，确定数据相似度均值。实践中，可以将上述数据相似度集合中的各个数据相似度的和与上述数据相似度集合包括的数据相似度的数量的商确定为数据相似度均值。
48.第三确定步骤，根据上述数据相似度集合和上述数据相似度均值，确定数据离散值。
49.在一些实施例中，上述执行主体可以根据上述数据相似度集合和上述数据相似度均值，确定数据离散值。实践中，上述执行主体可以通过以下公式确定数据离散值：
[0050][0051]
其中，div表示数据离散值。n表示待清洗人脸数据组包括的待清洗人脸数据的数量。di表示数据相似度集合中第i个数据相似度。d
mean
表示数据相似度均值。
[0052]
第四确定步骤，响应于上述数据离散值大于预设离散值，将上述待清洗人脸数据确定为异常人脸数据，以及从上述待清洗人脸数据组中删除上述异常人脸数据。
[0053]
在一些实施例中，上述执行主体可以响应于上述数据离散值大于预设离散值，将上述待清洗人脸数据确定为异常人脸数据，以及从上述待清洗人脸数据组中删除上述异常人脸数据。其中，上述预设离散值可以是预先设定的数据离散值。
[0054]
上述可选地以及第一确定步骤-第四确定步骤中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“人脸识别数据集中可能会存在不同人员的人脸识别数据，未对同一人脸识别数据集中不同人员的人脸识别数据进行清洗，导致人脸识别数据集的质量较低”。造成人脸识别数据集的质量较低的因素往往如下：人脸识别数据集中可能会存在不同人员的人脸识别数据，未对同一人脸识别数据集中不同人员的人脸识别数据进行清洗，导致人脸识别数据集的质量较低。如果解决了上述因素，就能达到提高人脸识别数据集的质量的效果。为了达到这一效果，首先，对于上述待清洗人脸数据组集中的每个待清洗人脸数据组中的每个待清洗人脸数据，执行如下确定步骤：首先，确定上述待清洗人脸数据与上述待清洗人脸数据组中除上述待清洗人脸数据的每个待清洗人脸数据的数据相似度，得到数据相似度集合。由此，可以确定同一待清洗人脸数据组中某一待清洗人脸数据与其他待清洗人脸数据的相似度。然后，根据上述数据相似度集合，确定数据相似度均值。由此，可以通过数据相似度均值确定某一待清洗人脸数据与其他待清洗人脸数据的相似度的离散值。最后，根据上述数据相似度集合和上述数据相似度均值，确定数据离散值；响应于上述数据离散值大于预设离散值，将上述待清洗人脸数据确定为异常人脸数据，以及从上述待清洗人脸数据组中删除上述异常人脸数据。由此，可以根据离散度确定待清洗人脸数据与其他待清洗人脸数据是否表征为同一人员的人脸识别数据。从而，可以删除表征不为同一人员的人脸识别数据，提高了人脸识别数据集的质量。
[0055]
步骤102，从待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集。
[0056]
在一些实施例中，从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集。
[0057]
步骤103，基于第一目标人脸数据组和第二目标人脸数据组集，执行如下处理步骤：
[0058]
步骤1031，确定第一目标人脸数据组与第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值。
[0059]
实践中，上述执行主体可以通过以下步骤确定相似度均值：
[0060]
第一步，对于上述第一目标人脸数据组中的每个第一目标人脸数据，确定上述第一目标人脸数据与上述第二目标人脸数据组集中的第一个第二目标人脸数据组中的各个
第二目标人脸数据的相似度，以生成相似度组。这里，上述执行主体可以通过以下公式确定相似度：
[0061][0062]
其中，d
12
表示相似度。l1表示第一目标人脸数据。l2表示表示第一个第二目标人脸数据组中的第二目标人脸数据。n
id1
表示第一目标人脸数据组包括的第一目标人脸数据的数量。n
id2
表示第一个第二目标人脸数据组包括的第二目标人脸数据的数量。id1表示第一目标人脸数据组。n
id2
表示第一个第二目标人脸数据组。
[0063]
第二步，确定所生成的各个相似度组包括的各个相似度的平均值，得到相似度均值。这里，可以将所生成的各个相似度组包括的各个相似度的和与上述各个相似度组包括的各个相似度的数量的商确定为相似度均值。
[0064]
步骤1032，响应于相似度均值大于预设相似度均值，将第一目标人脸数据组与第二目标人脸数据组进行合并处理，以生成目标人脸数据组。
[0065]
在一些实施例中，上述执行主体可以响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组。其中，上述预设相似度均值可以是预先设置的相似度均值。这里，对于预设相似度均值的设定，不作限制，可以是通过实验得到的预设相似度均值。
[0066]
步骤1033，响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将目标人脸数据组确定为清洗后人脸数据组。
[0067]
在一些实施例中，上述执行主体可以响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
[0068]
可选地，响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集不为空，将去除了第一个第二目标人脸数据组作为第二目标人脸数据组集，将目标人脸数据组作为第一目标人脸数据组，再次执行上述处理步骤。
[0069]
在一些实施例中，上述执行主体可以响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集不为空，将去除了第一个第二目标人脸数据组作为第二目标人脸数据组集，将目标人脸数据组作为第一目标人脸数据组，再次执行上述处理步骤。
[0070]
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的人脸数据清洗方法，可以提高人脸识别数据集的质量。具体来说，造成人脸识别数据集的质量较低的原因在于：人脸识别数据集中可能会存在不同人员的人脸识别数据，随机选取人脸识别数据确定相似度时，可能将不同人员的人脸识别数据集进行合并或未合并同一人员的人脸识别数据集，导致人脸识别数据集的质量较低。基于此，本公开的一些实施例的人脸数据清洗方法，首先，获取待清洗人脸数据组集；从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集。由此，可以对不同人员的待清洗人脸数据组进行清洗。然后，基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：首先，确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值。由此，可以通过相似度均值确定第一目标人脸数据组与第二目标人脸数据组集中的第一个第二目标人脸数据组是否为同一人员的人脸数据组。其次，响
应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组。由此，可以将同一人员的人脸数据组进行合并，可以提高人脸数据组的质量。最后，响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。由此，完成对待清洗人脸数据组集的清洗。提高了人脸识别数据集的质量。
[0071]
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种人脸数据清洗装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该人脸数据清洗装置具体可以应用于各种电子设备中。
[0072]
如图2所示，一些实施例的人脸数据清洗装置200包括：获取单元201、选取单元202和处理单元203。其中，获取单元201被配置成获取待清洗人脸数据组集；选取单元202被配置成从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；处理单元203被配置成基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
[0073]
可以理解的是，人脸数据清洗装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于人脸数据清洗装置200及其中包含的单元，在此不再赘述。
[0074]
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0075]
如图3所示，电子设备300可以包括处理装置301(例如中央处理器、图形处理器等)，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
[0076]
通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0077]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0078]
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0079]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0080]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待清洗人脸数据组集。从上述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除上述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集。基于上述第一目标人脸数据组和上述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与上述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于上述相似度均值大于预设相似度均值，将上述第一目标人脸数据组与上述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将上述目标人脸数据组确定为清洗后人脸数据组。
[0081]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言-诸如java、smalltalk、c++，还包括常规的过程式程序设计语言-诸如“c”语言或类似的程序设计语言。
程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0082]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0083]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、选取单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待清洗人脸数据组集的单元”。
[0084]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0085]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

技术特征：
1.一种人脸数据清洗方法，包括：获取待清洗人脸数据组集；从所述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除所述第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；基于所述第一目标人脸数据组和所述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与所述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于所述相似度均值大于预设相似度均值，将所述第一目标人脸数据组与所述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将所述目标人脸数据组确定为清洗后人脸数据组。2.根据权利要求1所述的方法，其中，所述方法还包括：响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集不为空，将去除了第一个第二目标人脸数据组作为第二目标人脸数据组集，将目标人脸数据组作为第一目标人脸数据组，再次执行所述处理步骤。3.根据权利要求1所述的方法，其中，所述获取待清洗人脸数据组集，包括：获取待提取人脸图像组集；将所述待提取人脸图像组集包括的每个待提取人脸图像输入至预先训练的人脸识别模型中，得到待清洗人脸数据组集。4.根据权利要求1所述的方法，其中，所述确定第一目标人脸数据组与所述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值，包括：对于所述第一目标人脸数据组中的每个第一目标人脸数据，确定所述第一目标人脸数据与所述第二目标人脸数据组集中的第一个第二目标人脸数据组中的各个第二目标人脸数据的相似度，以生成相似度组；确定所生成的各个相似度组包括的各个相似度的平均值，得到相似度均值。5.根据权利要求3所述的方法，其中，所述人脸识别模型是通过以下步骤训练得到的：获取样本集合，其中，所述样本集合中的样本包括样本待提取人脸图像，以及与所述待提取人脸图像对应的样本待清洗人脸数据；从所述样本集合中选择样本；将所述样本输入至初始网络模型，得到对应所述样本的待清洗人脸数据；确定所述待清洗人脸数据与所述样本包括的样本待清洗人脸数据之间的损失值；响应于所述损失值大于等于预设阈值，调整所述初始网络模型的网络参数。6.根据权利要求5所述的方法，其中，所述方法还包括：响应于所述损失值小于所述预设阈值，将所述初始网络模型确定为人脸识别模型。7.一种人脸数据清洗装置，包括：获取单元，被配置成获取待清洗人脸数据组集；选取单元，被配置成从所述待清洗人脸数据组集中选取任一待清洗人脸数据组，作为第一目标人脸数据组，以及将去除所述第一目标人脸数据组的待清洗人脸数据组集确定为
第二目标人脸数据组集；处理单元，被配置成基于所述第一目标人脸数据组和所述第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与所述第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；响应于所述相似度均值大于预设相似度均值，将所述第一目标人脸数据组与所述第二目标人脸数据组进行合并处理，以生成目标人脸数据组；响应于去除了第一个第二目标人脸数据组的第二目标人脸数据组集为空，将所述目标人脸数据组确定为清洗后人脸数据组。8.一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至6中任一所述的方法。

技术总结
本公开的实施例公开了人脸数据清洗方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取待清洗人脸数据组集；从待清洗人脸数据组集中选取任一待清洗人脸数据组以及将去除第一目标人脸数据组的待清洗人脸数据组集确定为第二目标人脸数据组集；基于第一目标人脸数据组和第二目标人脸数据组集，执行如下处理步骤：确定第一目标人脸数据组与第二目标人脸数据组集中的第一个第二目标人脸数据组的相似度均值；将第一目标人脸数据组与第二目标人脸数据组进行合并处理，以生成目标人脸数据组；将目标人脸数据组确定为清洗后人脸数据组。该实施方式提高了人脸识别数据集的质量。数据集的质量。数据集的质量。


技术研发人员：万勇康 张政云 魏祥海 康珮珮
受保护的技术使用者：中星微技术股份有限公司 中星电子股份有限公司 北京中星微电子有限公司
技术研发日：2023.04.27
技术公布日：2023/8/16