[發明專利]人臉檢測模型訓練方法、人臉檢測方法、裝置及電子設備

有效

• 申請號: 202010904803.5
• 申請日: 2020-09-01
• 公開（公告）號: CN111767906B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 姚太平;張克越;章健;陳陽;尹邦杰;丁守鴻;李季檁;黃飛躍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王花麗;張穎玲

1.一種人臉檢測模型訓練方法，其特征在于，所述方法包括：

獲取與所述人臉檢測模型的使用環境相匹配的訓練樣本集合，其中，所述訓練樣本中包括不同域中的用戶人臉圖像；

通過與所述人臉檢測模型的使用環境相匹配的訓練樣本，對所述人臉檢測模型中的域特征解耦網絡進行訓練，確定所述人臉檢測模型中的域特征解耦網絡的網絡參數；

通過所述人臉檢測模型中的域特征解耦網絡，對所述訓練樣本的域相關特征和域無關特征進行分離；

保持所述訓練樣本中的域無關特征不變，對所述訓練樣本中的域相關特征進行組合調整，形成新的訓練樣本集合；

通過所述新的訓練樣本集合對所述人臉檢測模型進行訓練，確定與所述人臉檢測模型相適配的模型參數，以實現通過所述人臉檢測模型對不同的人臉信息進行檢測，確定相應的人臉分類概率。

2.根據權利要求1所述的方法，其特征在于，所述獲取與所述人臉檢測模型的使用環境相匹配的訓練樣本集合，包括：

獲取所述人臉檢測模型的使用環境中的終端所采集的人臉圖像；

對所述人臉圖像進行圖像增廣處理；

基于圖像增廣的處理結果，通過人臉檢測算法確定相應的人臉位置，并截取包括背景圖像的人臉圖像；

通過所述人臉檢測模型的深度處理網絡對所述包括背景圖像的人臉圖像進行處理，形成相應的深度圖作為與所述人臉檢測模型的使用環境相匹配的訓練樣本集合中的任一訓練樣本。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

根據與所述人臉檢測模型的使用環境相匹配的訓練樣本，確定相應的域來源信息特征集合；

通過所述域來源信息特征集合，對所述人臉檢測模型的域鑒別器網絡進行訓練，以實現通過所述域鑒別器網絡對接收的圖像所歸屬的域進行判斷。

4.根據權利要求1所述的方法，其特征在于，所述通過與所述人臉檢測模型的使用環境相匹配的訓練樣本集合，對所述人臉檢測模型中的域特征解耦網絡進行訓練，確定所述人臉檢測模型中的域特征解耦網絡的網絡參數，包括：

通過與所述人臉檢測模型的使用環境相匹配的訓練樣本集合，確定相應的正例樣本與負例樣本；

通過所述域特征解耦網絡的中的編碼器子網絡，對所述訓練樣本集合中的不同正例訓練樣本和負例訓練樣本中的域相關特征重新進行組合，形成重組特征向量；

通過所述域特征解耦網絡的中的解碼器子網絡，對所述重組特征向量進行解碼處理；

當能夠獲得相同人臉的不同域特征的圖像向量時，確定所述人臉檢測模型中的域特征解耦網絡的網絡參數。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

基于所述正例樣本，確定對應的第一深度圖像；

基于所述負例樣本，確定對應的第二深度圖像；

當確定所述人臉檢測模型中的域特征解耦網絡的網絡參數時，通過所述人臉檢測模型的深度處理網絡確定與所述重組特征向量相匹配的第三深度圖像；

通過所述第一深度圖像或者第二深度圖像，與所述第三深度圖像進行比對，以監督不同正例訓練樣本和負例訓練樣本中的域無關特征的準確性。

6.根據權利要求1所述的方法，其特征在于，所述保持所述訓練樣本中的域無關特征不變，對所述訓練樣本中的域相關特征進行組合調整，形成新的訓練樣本集合，包括：

保持所述訓練樣本中的域無關特征不變，對所述訓練樣本中的域相關特征進行插值處理，形成新的訓練樣本集合；或者，

保持所述訓練樣本中的域無關特征不變，對所述訓練樣本中的域相關特征進行隨機刪除處理或替換處理，形成新的訓練樣本集合。

7.根據權利要求1所述的方法，其特征在于，所述通過所述新的訓練樣本集合對所述人臉檢測模型進行訓練，確定與所述人臉檢測模型相適配的模型參數，以實現通過所述人臉檢測模型對不同的人臉信息進行檢測，確定相應的人臉分類概率，包括：

根據所述新的訓練樣本集合對所述人臉檢測模型進行訓練，確定所述人臉檢測模型中特征提取器網絡的模型參數；

根據與所述新的訓練樣本集合對所述人臉檢測模型進行訓練，確定所述人臉檢測模型中樣本分類器網絡的模型參數。