[發明專利]用于生成人臉關鍵點檢測模型的方法和裝置

有效

• 申請號: 201811075000.2
• 申請日: 2018-09-14
• 公開（公告）號: CN109214343B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 鄧啟力
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于生成人臉關鍵點檢測模型的方法，包括：

獲取樣本集，其中，所述樣本集中的樣本包括人臉圖像和人臉圖像中的人臉關鍵點的標注信息；

將所述樣本集中的人臉圖像輸入至預先訓練的第一人臉關鍵點檢測模型，得到所輸入的人臉圖像的人臉關鍵點檢測結果，以及在所述得到所輸入的人臉圖像的人臉關鍵點檢測結果之后，對于所述樣本集中的樣本，將該樣本中的人臉圖像的人臉關鍵點檢測結果與該樣本中的標注信息進行相似度計算，刪除所述樣本集中相似度計算結果小于預設數值的樣本，以對所述樣本集進行更新；

利用機器學習方法，將樣本集中的人臉圖像作為輸入，將所輸入的人臉圖像的人臉關鍵點檢測結果作為輸出，訓練得到第二人臉關鍵點檢測模型。

2.根據權利要求1所述的用于生成人臉關鍵點檢測模型的方法，其中，所述利用機器學習方法，將樣本集中的人臉圖像作為輸入，將所輸入的人臉圖像的人臉關鍵點檢測結果作為輸出，訓練得到第二人臉關鍵點檢測模型，包括：

從更新后的樣本集中提取樣本，執行如下訓練步驟：將所提取的樣本中的人臉圖像輸入至第二卷積神經網絡，得到第二卷積神經網絡輸出的信息；將第二卷積神經網絡輸出的信息與輸入的人臉圖像的人臉關鍵點檢測結果輸入至預先建立的損失函數，得到所提取的樣本的損失值；基于所述損失值與目標值的比較，確定第二卷積神經網絡是否訓練完成；響應于確定第二卷積神經網絡訓練完成，將訓練后的第二卷積神經網絡確定為第二人臉關鍵點檢測模型。

3.根據權利要求2所述的用于生成人臉關鍵點檢測模型的方法，其中，所述利用機器學習方法，將樣本集中的人臉圖像作為輸入，將所輸入的人臉圖像的人臉關鍵點檢測結果作為輸出，訓練得到第二人臉關鍵點檢測模型，還包括：

響應于確定第二卷積神經網絡未訓練完成，基于所述損失值，更新第二卷積神經網絡中的參數，從所述樣本集中重新提取樣本，使用更新參數后的第二卷積神經網絡作為第二卷積神經網絡，繼續執行所述訓練步驟。

4.根據權利要求1所述的用于生成人臉關鍵點檢測模型的方法，其中，所述第一人臉關鍵點檢測模型通過如下步驟訓練得到：

將目標樣本集中的人臉圖像作為第一卷積神經網絡的輸入，將所輸入的人臉圖像中的人臉關鍵點的標注信息作為所述第一卷積神經網絡的輸出，利用機器學習方法對所述第一卷積神經網絡進行訓練，將訓練后的卷積神經網絡確定為第一人臉關鍵點檢測模型。

5.根據權利要求1-4之一所述的用于生成人臉關鍵點檢測模型的方法，其中，所述第二人臉關鍵點檢測模型的模型結構的復雜度小于所述第一人臉關鍵點檢測模型的模型結構的復雜度。

6.一種用于生成人臉關鍵點檢測模型的裝置，包括：

獲取單元，被配置成獲取樣本集，其中，所述樣本集中的樣本包括人臉圖像和人臉圖像中的人臉關鍵點的標注信息；

輸入單元，被配置成將所述樣本集中的人臉圖像輸入至預先訓練的第一人臉關鍵點檢測模型，得到所輸入的人臉圖像的人臉關鍵點檢測結果，以及在所述得到所輸入的人臉圖像的人臉關鍵點檢測結果之后，對于所述樣本集中的樣本，將該樣本中的人臉圖像的人臉關鍵點檢測結果與該樣本中的標注信息進行相似度計算，刪除所述樣本集中相似度計算結果小于預設數值的樣本，以對所述樣本集進行更新；

訓練單元，被配置成利用機器學習方法，將樣本集中的人臉圖像作為輸入，將所輸入的人臉圖像的人臉關鍵點檢測結果作為輸出，訓練得到第二人臉關鍵點檢測模型。

7.根據權利要求6所述的用于生成人臉關鍵點檢測模型的裝置，其中，所述訓練單元進一步被配置成：

從更新后的樣本集中提取樣本，執行如下訓練步驟：將所提取的樣本中的人臉圖像輸入至第二卷積神經網絡，得到第二卷積神經網絡輸出的信息；將第二卷積神經網絡輸出的信息與輸入的人臉圖像的人臉關鍵點檢測結果輸入至預先建立的損失函數，得到所提取的樣本的損失值；基于所述損失值與目標值的比較，確定第二卷積神經網絡是否訓練完成；響應于確定第二卷積神經網絡訓練完成，將訓練后的第二卷積神經網絡確定為第二人臉關鍵點檢測模型。