[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

本申請實施例公開了用于生成人臉關鍵點檢測模型的方法和裝置。該方法的一具體實施方式包括：獲取樣本集；將該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；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。該實施方式能夠得到一種用于檢測人臉關鍵點的模型，且該方法豐富了模型的生成方式。

技術領域

本申請實施例涉及計算機技術領域，具體涉及用于生成人臉關鍵點檢測模型的方法和裝置。

背景技術

人臉關鍵點是對于圖像中人臉五官與輪廓定位的標注，主要用來對人臉的關鍵位置，如臉廓、眉毛、眼睛、嘴唇進行定位。人臉關鍵點檢測是人臉識別過程中重要的一步，同時這項技術在現實中也有極其廣泛的應用空間：如表情識別、人臉動畫合成等。尤其是最近幾年被大家所熟知熟用的直播、美顏、特效相機等互聯網應用產品的爆火也得益于人臉關鍵點相關技術水平的提升。

相關的方式，通常是直接使用樣本集中的樣本和人工標注，訓練用于對人臉關鍵點進行檢測的模型。

發明內容

本申請實施例提出了用于生成人臉關鍵點檢測模型的方法和裝置。

第一方面，本申請實施例提供了一種用于生成人臉關鍵點檢測模型的方法，該方法包括：獲取樣本集，其中，樣本集中的樣本包括人臉圖像；將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；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。

在一些實施例中，樣本集中的樣本還包括人臉圖像中的人臉關鍵點的標注信息；以及在得到所輸入的人臉圖像的人臉關鍵點檢測結果之后，該方法還包括：對于樣本集中的樣本，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；刪除樣本集中相似度計算結果小于預設數值的樣本，以對樣本集進行更新。

在一些實施例中，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。

在一些實施例中，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，基于損失值，更新第二卷積神經網絡中的參數，從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，繼續執行訓練步驟。

在一些實施例中，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第一卷積神經網絡的輸出，利用機器學習方法對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。

在一些實施例中，第二人臉關鍵點檢測模型的模型結構的復雜度小于第一人臉關鍵點檢測模型的模型結構的復雜度。