[發(fā)明專利]人臉畫像生成模型的訓(xùn)練方法、裝置及相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201911182281.6
• 申請(qǐng)日: 2019-11-27
• 公開（公告）號(hào): CN111046757A
• 公開（公告）日: 2020-04-21
• 發(fā)明（設(shè)計(jì)）人: 王楠楠;李志鋒;朱明瑞
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué);騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳市隆天聯(lián)鼎知識(shí)產(chǎn)權(quán)代理有限公司 44232
• 代理人: 劉抗美

1.一種人臉畫像生成模型的訓(xùn)練方法，其特征在于，包括：

獲取第一訓(xùn)練樣本集，所述第一訓(xùn)練樣本集包括樣本人臉照片及樣本人臉畫像；

通過神經(jīng)網(wǎng)絡(luò)模型分別對(duì)所述樣本人臉照片和/或所述樣本人臉畫像進(jìn)行處理，獲得第一特征信息和/或第二特征信息；

通過人臉畫像生成模型對(duì)所述樣本人臉照片進(jìn)行處理，獲得預(yù)測(cè)人臉畫像及其預(yù)測(cè)特征信息；

根據(jù)所述第一特征信息和/或所述第二特征信息、所述預(yù)測(cè)特征信息、所述樣本人臉畫像及所述預(yù)測(cè)人臉畫像確定目標(biāo)損失函數(shù)；

根據(jù)所述目標(biāo)損失函數(shù)調(diào)節(jié)所述人臉畫像生成模型的參數(shù)，以獲得訓(xùn)練完成的所述人臉畫像生成模型。

2.如權(quán)利要求1所述的方法，其特征在于，通過神經(jīng)網(wǎng)絡(luò)模型分別對(duì)所述樣本人臉照片和/或所述樣本人臉畫像進(jìn)行處理，獲得第一特征信息和/或第二特征信息，包括：

通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述樣本人臉照片進(jìn)行處理，獲得所述神經(jīng)網(wǎng)絡(luò)模型中k層的輸出特征信息，作為所述第一特征信息，k為大于1的整數(shù)；和/或

通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述樣本人臉畫像進(jìn)行處理，獲得所述神經(jīng)網(wǎng)絡(luò)模型中k層的輸出特征信息，作為所述第二特征信息。

3.如權(quán)利要求2所述的方法，其特征在于，通過人臉畫像生成模型對(duì)所述樣本人臉照片進(jìn)行處理，獲得預(yù)測(cè)人臉畫像及其預(yù)測(cè)特征信息包括：

通過所述人臉畫像生成模型對(duì)所述樣本人臉照片進(jìn)行處理，獲得預(yù)測(cè)人臉畫像；以及

確定所述人臉畫像生成模型中2k層的輸出特征信息為所述預(yù)測(cè)特征信息。

4.如權(quán)利要求3所述的方法，其特征在于，還包括：

根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型的k層中的第n層的輸出信息的通道數(shù)和尺寸信息確定所述人臉畫像生成模型的2k層中的第n層及第2k+1-n層的卷積核的個(gè)數(shù)和尺寸參數(shù)，n為大于0且小于或等于k的整數(shù)。

5.如權(quán)利要求3所述的方法，其特征在于，根據(jù)所述第一特征信息和/或所述第二特征信息、所述預(yù)測(cè)特征信息、所述樣本人臉畫像及所述預(yù)測(cè)人臉畫像確定目標(biāo)損失函數(shù)包括：

根據(jù)所述預(yù)測(cè)特征信息、所述第一特征信息和/或所述第二特征信息確定第一損失函數(shù)；

根據(jù)所述預(yù)測(cè)人臉畫像和所述樣本人臉畫像確定第二損失函數(shù)；

對(duì)所述第一損失函數(shù)和所述第二損失函數(shù)進(jìn)行加權(quán)求和，獲得所述目標(biāo)損失函數(shù)。

6.如權(quán)利要求3所述的方法，其特征在于，所述人臉畫像生成模型包括k+1個(gè)依次連接的卷積層和k-1個(gè)依次連接的轉(zhuǎn)置卷積層；其中，通過人臉畫像生成模型對(duì)所述樣本人臉照片進(jìn)行處理，獲得預(yù)測(cè)人臉畫像及其預(yù)測(cè)特征信息，包括：

通過所述k+1個(gè)依次連接的卷積層對(duì)所述樣本人臉照片進(jìn)行處理，獲得所述k+1個(gè)依次連接的卷積層分別輸出的k+1個(gè)預(yù)測(cè)特征信息；

通過所述k-1個(gè)依次連接的轉(zhuǎn)置卷積層中的第m個(gè)轉(zhuǎn)置卷積層對(duì)所述第m個(gè)轉(zhuǎn)置卷積層的上一層輸出的預(yù)測(cè)特征信息進(jìn)行處理，對(duì)處理結(jié)果和第k-m個(gè)預(yù)測(cè)特征信息進(jìn)行拼接，并對(duì)拼接結(jié)果進(jìn)行卷積處理，獲得所述第m個(gè)轉(zhuǎn)置卷積層輸出的第m個(gè)預(yù)測(cè)特征信息，m為大于0且小于k的整數(shù)。

7.如權(quán)利要求1所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為視覺幾何群網(wǎng)絡(luò)模型；其中，所述方法還包括：

獲取第二訓(xùn)練樣本集，所述第二訓(xùn)練樣本集包括帶有人臉的樣本圖像及其標(biāo)注人臉圖像；

通過所述第二訓(xùn)練樣本集對(duì)所述視覺幾何群網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得具有人臉識(shí)別功能的所述視覺幾何群網(wǎng)絡(luò)模型。

8.如權(quán)利要求1所述的方法，其特征在于，還包括：

獲取待處理人臉照片；

通過所述訓(xùn)練完成的所述人臉畫像生成模型對(duì)所述待處理人臉照片進(jìn)行處理，獲得所述待處理人臉照片的目標(biāo)人臉畫像。