[發(fā)明專利]一種基于通道分離型卷積的快速人臉檢測(cè)模型

在審

• 申請(qǐng)?zhí)枺?/td>: 201910364540.0
• 申請(qǐng)日: 2019-04-30
• 公開(kāi)（公告）號(hào): CN111860080A
• 公開(kāi)（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 招繼恩;張海;譚大倫;候邦恩;杜春雷;龔振國(guó)
• 申請(qǐng)（專利權(quán)）人: 杰創(chuàng)智能科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04
• 代理公司: 廣州專理知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44493
• 代理人: 譚昉

1.一種基于通道分離型卷積的快速人臉檢測(cè)模型，其特征在于，包括以下步驟：

步驟1、將輸入圖像劃分為S*S個(gè)圖像塊，如果圖像中某個(gè)人臉區(qū)域的中心點(diǎn)落在某個(gè)圖像塊上，那么該圖像塊就負(fù)責(zé)對(duì)該人臉區(qū)域的檢測(cè)；

步驟2、每個(gè)圖像塊預(yù)測(cè)3個(gè)邊界框及其對(duì)應(yīng)的目標(biāo)概率，目標(biāo)概率表示的是邊界框正確檢測(cè)到人臉的概率，將目標(biāo)概率定義為P(目標(biāo))*IOU，若人臉區(qū)域的中心點(diǎn)落在預(yù)測(cè)邊界框內(nèi)，則P(目標(biāo))＝1，否則為0；IOU表示的是預(yù)測(cè)邊界框與真值邊界框的交并比。

2.如權(quán)利要求1所述的一種基于通道分離型卷積的快速人臉檢測(cè)模型，其特征在于：所述每個(gè)預(yù)測(cè)邊界框要預(yù)測(cè)的的內(nèi)容包括：x，y，w，h和目標(biāo)概率C，其中(x，y)表示的是預(yù)測(cè)邊界框的相對(duì)中心坐標(biāo)，而w和h表示的是邊界框的相對(duì)寬和高，目標(biāo)概率表示的是預(yù)測(cè)邊界框與真值邊界框的交并比。

3.如權(quán)利要求1所述的一種基于通道分離型卷積的快速人臉檢測(cè)模型，其特征在于：所述3個(gè)邊界框中，與真值邊界框交并比最大的那個(gè)邊界框負(fù)責(zé)對(duì)人臉的檢測(cè)。

4.如權(quán)利要求3所述的一種基于通道分離型卷積的快速人臉檢測(cè)模型，其特征在于：所述與真值邊界框交并比最大的那個(gè)邊界框負(fù)責(zé)對(duì)人臉的檢測(cè)采用的損失函數(shù)如下：

其中，當(dāng)?shù)趇個(gè)圖像塊中的第j個(gè)邊界框負(fù)責(zé)對(duì)人臉的檢測(cè)時(shí)，的值為1，的值為0，否則為的值為0，的值為1；α₁，α_nobj是常數(shù)項(xiàng)；一般來(lái)說(shuō)，α₁的值設(shè)為5，α_nobj的值設(shè)為0.5；x_i，y_i，為預(yù)測(cè)邊界框中心點(diǎn)的坐標(biāo)值；為真值邊界框中心點(diǎn)的坐標(biāo)值；w_i，h_i為預(yù)測(cè)邊界框的長(zhǎng)和寬；為真值邊界框的長(zhǎng)和寬；C_i為預(yù)測(cè)的目標(biāo)概率值；為實(shí)際目標(biāo)概率值。

5.如權(quán)利要求1所述的一種基于通道分離型卷積的快速人臉檢測(cè)模型，其特征在于：所述模型利用通道分離型卷積，通道分離型卷積中卷積核的深度為1，卷積核分別對(duì)輸入特征圖的每個(gè)通道進(jìn)行卷積，得到輸出特征圖對(duì)應(yīng)的通道，之后再用卷積核對(duì)得到的輸出特征圖進(jìn)行各通道信息的融合。

6.如權(quán)利要求1所述的一種基于通道分離型卷積的快速人臉檢測(cè)模型，其特征在于：所述模型包括20個(gè)卷積層和4個(gè)最大池化層。