[發明專利]用于人臉關鍵點網絡檢測模型的訓練方法、人臉關鍵點檢測方法、裝置

在審

• 申請號: 201811259484.6
• 申請日: 2018-10-26
• 公開（公告）號: CN109376659A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 郭英強;張默
• 申請（專利權）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: 北京卓唐知識產權代理有限公司 11541
• 代理人: 唐海力;李志剛

1.一種用于人臉關鍵點網絡檢測模型的訓練方法，其特征在于，包括：

獲取人臉圖片以及人臉圖片標簽；

將人臉圖片作為預設卷積神經網絡的輸入，得到人臉圖片預測關鍵點；

根據所述人臉圖片標簽中實際人臉關鍵點坐標與所述人臉圖片預測關鍵點構造損失函數；以及

通過回歸訓練更新所述預設卷積神經網絡直到滿足預設訓練條件。

2.根據權利要求1所述的訓練方法，其特征在于，根據所述人臉圖片標簽中實際人臉關鍵點坐標與所述人臉圖片預測關鍵點構造損失函數包括：

將實際人臉關鍵點坐標與與所述人臉圖片預測關鍵點做的差為損失，

得到損失函數

其中，為量化后的人臉關鍵點坐標，y^*為網絡預測出的人臉關鍵點坐標，損失Loss的取值為分段函數，w和C為人工設定的截斷參數。

3.根據權利要求1所述的訓練方法，其特征在于，所述更新所述預設卷積神經網絡直到滿足預設訓練條件包括：

通過預測的判決結果和真實結果的差別，來更新預設卷積神經網絡中的參數；

根據所述人臉圖片標簽中實際人臉關鍵點坐標與所述人臉圖片預測關鍵點構造損失函數；以及

重復訓練直到網絡參數收斂或到達最大迭代次數。

4.根據權利要求1所述的訓練方法，其特征在于，獲取人臉圖片以及人臉圖片標簽包括：

確定帶有人臉關鍵點標注的數據集；

根據所述數據集中關鍵位置判定人臉的位置；

根據人臉的位置裁剪出人臉圖片并執行預設數據增強；以及

數據增強后的人臉圖片的標簽是量化后的人臉關鍵點坐標。

5.一種人臉關鍵點檢測方法，其特征在于，使用如權利要求1所述的訓練方法訓練得到網絡模型，所述方法包括：

對待檢測的圖片執行預處理后將結果輸入到所述網絡模型中，得到人臉關鍵點預測結果。

6.一種用于人臉關鍵點網絡檢測模型的訓練裝置，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簽；

關鍵點預測模塊，用于將人臉圖片作為預設卷積神經網絡的輸入，得到人臉圖片預測關鍵點；

損失函數模塊，用于根據所述人臉圖片標簽中實際人臉關鍵點坐標與所述人臉圖片預測關鍵點構造損失函數；以及

回歸訓練模塊，用于通過回歸訓練更新所述預設卷積神經網絡直到滿足預設訓練條件。

7.根據權利要求6所述的訓練裝置，其特征在于，所述損失函數模塊包括：

求差模塊，用于將實際人臉關鍵點坐標與與所述人臉圖片預測關鍵點做的差為損失，

函數構造模塊，用于得到損失函數

其中，為量化后的人臉關鍵點坐標，y^*為網絡預測出的人臉關鍵點坐標，損失Loss的取值為分段函數，w和C為人工設定的截斷參數。

8.根據權利要求6所述的訓練裝置，其特征在于，所述回歸訓練模塊包括：

更新單元，用于通過預測的判決結果和真實結果的差別，來更新預設卷積神經網絡中的參數；

構造單元，用于根據所述人臉圖片標簽中實際人臉關鍵點坐標與所述人臉圖片預測關鍵點構造損失函數；以及

訓練單元，用于重復訓練直到網絡參數收斂或到達最大迭代次數。

9.根據權利要求6所述的訓練裝置，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鍵點標注的數據集；

判斷單元，用于根據所述數據集中關鍵位置判定人臉的位置；

數據增強單元，用于根據人臉的位置裁剪出人臉圖片并執行預設數據增強；以及

標簽單元，用于數據增強后的人臉圖片的標簽是量化后的人臉關鍵點坐標。

10.一種人臉關鍵點檢測裝置，其特征在于，使用如權利要求6所述的訓練裝置，所述裝置包括：

測試模塊，用于對待檢測的圖片執行預處理后將結果輸入到所述網絡模型中，得到人臉關鍵點預測結果。