[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

本申請公開了一種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。該用于人臉關鍵點網絡檢測模型的訓練方法，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。本申請解決了人臉檢測精度較差的技術問題。此外，本申請中的訓練方法，對人臉關鍵點的回歸精度較高，更具魯棒性。

技術領域

本申請涉及計算機視覺領域，具體而言，涉及一種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。

背景技術

隨著網絡主播等相關行業的發展，視頻內容植入變得尤為重要，尤其是根據人臉的美顏、換裝、甚至換臉等功能，這給人臉關鍵點檢測技術帶來很大挑戰。

發明人發現，現有的人臉關鍵點回歸訓練任務，某一些關鍵點回歸準確度較差，這使網絡的更新偏向于更新回歸準確度較差的方向。進一步，不利于人臉整個部分的回歸更新。

針對相關技術中人臉檢測精度較差的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種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，以解決人臉檢測精度較差的問題。

為了實現上述目的，根據本申請的一個方面，提供了一種用于人臉關鍵點網絡檢測模型的訓練方法。

根據本申請的用于人臉關鍵點網絡檢測模型的訓練方法包括：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。

進一步地，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。

進一步地，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。

進一步地，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。

基于上述，上述方法在人臉關鍵點回歸的訓練中，對回歸任務的損失函數做了相應的改變，以達到更好的人臉關鍵點的檢測精度。

為了實現上述目的，根據本申請的另一個方面，提供了一種人臉關鍵點檢測方法，使用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。

為了實現上述目的，根據本申請的另一方面，提供了一種用于人臉關鍵點網絡檢測模型的訓練裝置。

根據本申請的用于人臉關鍵點網絡檢測模型的訓練裝置包括：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。