[發明專利]一種基于注意力機制的人臉檢測神經網絡的構建方法

有效

• 申請號: 202010115987.7
• 申請日: 2020-02-25
• 公開（公告）號: CN111325161B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 韓強;閆超
• 申請（專利權）人: 四川翼飛視科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 成都佳劃信知識產權代理有限公司 51266
• 代理人: 史姣姣

1.一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，包括以下步驟：

采用卷積層和激活層組成注意力模塊，利用注意力模塊計算求得attention?map注意力圖；

從前至后按卷積層、批歸一化層、激活層和注意力模塊的順序封裝得到網絡單塊；

利用并行的卷積層和與其中之一的卷積層連接的激活層組成回歸模塊；

將數個網絡單塊依次連接，并將最后一層的網絡單塊和倒數第二層的網絡單塊的輸出一一對應介入兩個并行的回歸模塊；

將所述兩個并行的回歸模塊的輸出與坐標換算和非極大抑制模塊連接，得到人臉檢測神經網絡。

2.根據權利要求1所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述注意力模塊的輸出結果計算如下：

利用注意力模塊的特征輸入張量，計算獲得一個與特征輸入張量大小相同、且通道為1的一個attentionmap注意力圖；

利用attention?map注意力圖的結果與特征輸入張量的相乘，得到注意力模塊的輸出結果；

所述注意力模塊的輸出結果的表達式為：

其中，X為注意力模塊的輸入，X′為注意力模塊的輸出，為元素乘操作，F_at為注意力映射函數，其函數輸出為一個與輸入張量大小相同、通道為1的一個attention?map注意力圖。

3.根據權利要求2所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述注意力模塊中attention?map注意力圖的生成方式為，采用兩個連續的卷積層，并且在第二個卷積層后封裝采用sigmoid函數的激活層；即公式1中的F_at函數由以下公式給出：

F_at(X)＝sigmoid(Conv₁(Conv₂(X))).................................(2)

其中，sigmoid為sigmoid激活函數，Conv₁和Conv₂分別為兩個卷積操作函數。

4.根據權利要求3所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述兩個連續的卷積層的第一個卷積層，即Conv₁函數，其卷積核大小為1x1，卷積核數為1；所述兩個連續的卷積層的第二卷積層，即Conv₂函數，其卷積核大小為3x3、5x5、7x7其中之一，卷積核數為1。

5.根據權利要求1所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述回歸模塊包括分類結果的卷積層和坐標結果的卷積層，以及與分類結果的卷積層連接的激活層；所述激活層采用sigmoid函數。

6.根據權利要求1所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述網絡單塊的激活層采用Leaky-Relu激活函數，且Leaky-Relu激活函數的阿爾法值為0.2。

7.根據權利要求1所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述網絡單塊的數量為8。

8.根據權利要求7所述的一種基于注意力機制的人臉檢測神經網絡的構建方法，其特征在于，所述依次連接8層網絡單塊的前5層和最后一層網絡單塊的卷積層的卷積步長為2；且依次連接8層網絡單塊的第六層網絡單塊和第七層網絡單塊的卷積層的卷積步長為1。