[發(fā)明專利]用于人臉關(guān)鍵點(diǎn)網(wǎng)絡(luò)檢測模型的訓(xùn)練方法、人臉關(guān)鍵點(diǎn)檢測方法、裝置

在審

• 申請?zhí)枺?/td>: 201811259484.6
• 申請日: 2018-10-26
• 公開（公告）號: CN109376659A
• 公開（公告）日: 2019-02-22
• 發(fā)明（設(shè)計(jì)）人: 郭英強(qiáng);張默
• 申請（專利權(quán)）人: 北京陌上花科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京卓唐知識產(chǎn)權(quán)代理有限公司 11541
• 代理人: 唐海力;李志剛

1.一種用于人臉關(guān)鍵點(diǎn)網(wǎng)絡(luò)檢測模型的訓(xùn)練方法，其特征在于，包括：

獲取人臉圖片以及人臉圖片標(biāo)簽；

將人臉圖片作為預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)的輸入，得到人臉圖片預(yù)測關(guān)鍵點(diǎn)；

根據(jù)所述人臉圖片標(biāo)簽中實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)構(gòu)造損失函數(shù)；以及

通過回歸訓(xùn)練更新所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)直到滿足預(yù)設(shè)訓(xùn)練條件。

2.根據(jù)權(quán)利要求1所述的訓(xùn)練方法，其特征在于，根據(jù)所述人臉圖片標(biāo)簽中實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)構(gòu)造損失函數(shù)包括：

將實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)做的差為損失，

得到損失函數(shù)

其中，為量化后的人臉關(guān)鍵點(diǎn)坐標(biāo)，y^*為網(wǎng)絡(luò)預(yù)測出的人臉關(guān)鍵點(diǎn)坐標(biāo)，損失Loss的取值為分段函數(shù)，w和C為人工設(shè)定的截?cái)鄥?shù)。

3.根據(jù)權(quán)利要求1所述的訓(xùn)練方法，其特征在于，所述更新所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)直到滿足預(yù)設(shè)訓(xùn)練條件包括：

通過預(yù)測的判決結(jié)果和真實(shí)結(jié)果的差別，來更新預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)中的參數(shù)；

根據(jù)所述人臉圖片標(biāo)簽中實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)構(gòu)造損失函數(shù)；以及

重復(fù)訓(xùn)練直到網(wǎng)絡(luò)參數(shù)收斂或到達(dá)最大迭代次數(shù)。

4.根據(jù)權(quán)利要求1所述的訓(xùn)練方法，其特征在于，獲取人臉圖片以及人臉圖片標(biāo)簽包括：

確定帶有人臉關(guān)鍵點(diǎn)標(biāo)注的數(shù)據(jù)集；

根據(jù)所述數(shù)據(jù)集中關(guān)鍵位置判定人臉的位置；

根據(jù)人臉的位置裁剪出人臉圖片并執(zhí)行預(yù)設(shè)數(shù)據(jù)增強(qiáng)；以及

數(shù)據(jù)增強(qiáng)后的人臉圖片的標(biāo)簽是量化后的人臉關(guān)鍵點(diǎn)坐標(biāo)。

5.一種人臉關(guān)鍵點(diǎn)檢測方法，其特征在于，使用如權(quán)利要求1所述的訓(xùn)練方法訓(xùn)練得到網(wǎng)絡(luò)模型，所述方法包括：

對待檢測的圖片執(zhí)行預(yù)處理后將結(jié)果輸入到所述網(wǎng)絡(luò)模型中，得到人臉關(guān)鍵點(diǎn)預(yù)測結(jié)果。

6.一種用于人臉關(guān)鍵點(diǎn)網(wǎng)絡(luò)檢測模型的訓(xùn)練裝置，其特征在于，包括：

獲取模塊，用于獲取人臉圖片以及人臉圖片標(biāo)簽；

關(guān)鍵點(diǎn)預(yù)測模塊，用于將人臉圖片作為預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)的輸入，得到人臉圖片預(yù)測關(guān)鍵點(diǎn)；

損失函數(shù)模塊，用于根據(jù)所述人臉圖片標(biāo)簽中實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)構(gòu)造損失函數(shù)；以及

回歸訓(xùn)練模塊，用于通過回歸訓(xùn)練更新所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)直到滿足預(yù)設(shè)訓(xùn)練條件。

7.根據(jù)權(quán)利要求6所述的訓(xùn)練裝置，其特征在于，所述損失函數(shù)模塊包括：

求差模塊，用于將實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)做的差為損失，

函數(shù)構(gòu)造模塊，用于得到損失函數(shù)

其中，為量化后的人臉關(guān)鍵點(diǎn)坐標(biāo)，y^*為網(wǎng)絡(luò)預(yù)測出的人臉關(guān)鍵點(diǎn)坐標(biāo)，損失Loss的取值為分段函數(shù)，w和C為人工設(shè)定的截?cái)鄥?shù)。

8.根據(jù)權(quán)利要求6所述的訓(xùn)練裝置，其特征在于，所述回歸訓(xùn)練模塊包括：

更新單元，用于通過預(yù)測的判決結(jié)果和真實(shí)結(jié)果的差別，來更新預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)中的參數(shù)；

構(gòu)造單元，用于根據(jù)所述人臉圖片標(biāo)簽中實(shí)際人臉關(guān)鍵點(diǎn)坐標(biāo)與所述人臉圖片預(yù)測關(guān)鍵點(diǎn)構(gòu)造損失函數(shù)；以及

訓(xùn)練單元，用于重復(fù)訓(xùn)練直到網(wǎng)絡(luò)參數(shù)收斂或到達(dá)最大迭代次數(shù)。

9.根據(jù)權(quán)利要求6所述的訓(xùn)練裝置，其特征在于，所述獲取模塊包括：

確定單元，用于確定帶有人臉關(guān)鍵點(diǎn)標(biāo)注的數(shù)據(jù)集；

判斷單元，用于根據(jù)所述數(shù)據(jù)集中關(guān)鍵位置判定人臉的位置；

數(shù)據(jù)增強(qiáng)單元，用于根據(jù)人臉的位置裁剪出人臉圖片并執(zhí)行預(yù)設(shè)數(shù)據(jù)增強(qiáng)；以及

標(biāo)簽單元，用于數(shù)據(jù)增強(qiáng)后的人臉圖片的標(biāo)簽是量化后的人臉關(guān)鍵點(diǎn)坐標(biāo)。

10.一種人臉關(guān)鍵點(diǎn)檢測裝置，其特征在于，使用如權(quán)利要求6所述的訓(xùn)練裝置，所述裝置包括：

測試模塊，用于對待檢測的圖片執(zhí)行預(yù)處理后將結(jié)果輸入到所述網(wǎng)絡(luò)模型中，得到人臉關(guān)鍵點(diǎn)預(yù)測結(jié)果。