[發明專利]人臉解析模型訓練方法、電子設備及存儲介質

有效

• 申請號: 202110620497.7
• 申請日: 2021-06-03
• 公開（公告）號: CN113255807B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 保長存;陳智超;朱海濤;江坤;戶磊
• 申請（專利權）人: 北京的盧深視科技有限公司;合肥的盧深視科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V40/16;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京智晨知識產權代理有限公司 11584
• 代理人: 張婧

1.一種人臉解析模型訓練方法，其特征在于，包括：

獲取圖片訓練集，其中，所述圖片訓練集包含無標注人臉圖片；

對所述無標注人臉圖片進行數據增強，獲取增強圖片訓練集，其中，所述增強圖片訓練集包含所述無標注人臉圖片、增強人臉圖片和所述增強人臉圖片對應的變換參數；

基于預定義的一致性損失函數，利用所述增強圖片訓練集中的所述無標注人臉圖片、所述增強人臉圖片和所述變換參數對預設的預訓練模型進行訓練，獲取人臉解析模型，其中，

所述一致性損失函數通過所述無標注人臉圖片的增強人臉預測結果和所述增強人臉圖片的人臉預測結果獲取，所述增強人臉預測結果通過對所述無標注人臉圖片的人臉預測結果根據所述變換參數進行變換獲取。

2.根據權利要求1所述的人臉解析模型訓練方法，其特征在于，所述圖片訓練集包含所述無標注人臉圖片的人臉關鍵點；所述人臉解析模型訓練方法還包括：

基于預定義的關鍵點損失函數，利用所述無標注人臉圖片訓練所述人臉解析模型，其中，所述關鍵點損失函數通過所述人臉關鍵點和所述無標注人臉圖片的人臉關鍵點預測結果獲取。

3.根據權利要求2所述的人臉解析模型訓練方法，其特征在于，所述人臉解析模型訓練方法還包括：

獲取測試圖片集，其中，所述測試圖片集包含測試圖片；

利用訓練后的人臉解析模型對所述測試圖片集進行處理，獲取所述測試圖片集的人臉預測結果和所述測試圖片集的人臉關鍵點預測結果；

根據所述人臉預測結果和所述人臉關鍵點預測結果獲取所述訓練后的人臉解析模型的解析性能；

若所述解析性能滿足預設條件，則停止對所述人臉解析模型的訓練；

若所述解析性能不滿足預設條件，則對所述人臉解析模型進行訓練。

4.根據權利要求1-2中任一項所述的人臉解析模型訓練方法，其特征在于，所述對所述無標注人臉圖片進行數據增強之前還包括：

將所述無標注人臉圖片剪裁至預設尺寸。

5.根據權利要求1-2中任一項所述的人臉解析模型訓練方法，其特征在于，所述數據增強，包含以下一種或幾種的組合：

鏡像處理、剪裁處理、拉伸處理、旋轉處理、模糊處理、亮度處理、對比度處理、噪聲處理。

6.根據權利要求1-2中任一項所述的人臉解析模型訓練方法，其特征在于，所述對所述無標注人臉圖片進行數據增強，獲取增強圖片訓練集，之前還包括：

獲取帶標注人臉圖片；

基于預定義的分類損失函數，利用所述帶標注人臉圖片對初始模型進行訓練，獲取所述預訓練模型，其中，所述初始模型為利用分治思想構造的神經網絡模型，所述分類損失函數通過自適應權重和人臉類型損失獲取。

7.根據權利要求6所述的人臉解析模型訓練方法，其特征在于，所述自適應權重通過所述預訓練模型的各分類結果的分布概率獲取；

所述人臉類型損失通過所述帶標注人臉圖片的標注結果和所述帶標注人臉圖片的解析結果獲取。

8.一種電子設備，其特征在于，包含：至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至7中任一所述的人臉解析模型訓練方法。

9.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的人臉解析模型訓練方法。