[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

本發明實施例涉及數據處理領域，公開了一種人臉解析模型訓練方法、電子設備及存儲介質。人臉解析模型訓練方法包括：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。使得本發明可以降低人臉解析模型的訓練成本、提高人臉解析模型的泛化效果。

技術領域

本發明實施例涉及數據處理領域，特別涉及一種人臉解析模型訓練方法、電子設備及存儲介質。

背景技術

隨著近幾年的深度學習技術和硬件技術的快速發展，人臉解析技術也開始使用深度學習得到模型，目前，基于深度學習的人臉解析方法是從大量帶標注的訓練圖片中學習一個影像-影像人臉解析模型。

然而，現有的人臉解析模型訓練方法依賴于大量標注圖片，由于人工標注的成本較高，使得人臉解析模型訓練的成本高；且目前所公開的帶標注圖片集主要基于歐美人臉數據，和實際人臉圖片相比，人種和圖片風格上存在較大差異，導致所訓練的人臉解析模型的泛化效果差。

發明內容

本發明實施方式的目的在于提供一種人臉解析模型訓練方法、電子設備及存儲介質，能夠通過無標注人臉圖片、增強人臉圖片和變換參數訓練人臉解析模型，達到降低人臉解析模型的訓練成本和提高人臉解析模型的泛化效果的目的。

為解決上述技術問題，本發明的實施方式提供了一種人臉解析模型訓練方法，包含：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。

本發明的實施方式還提供了一種電子設備，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以上所述的人臉解析模型訓練方法。

本發明的實施方式還提供了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以上所述的人臉解析模型訓練方法。

本發明實施方式相對于現有技術而言，在人臉解析模型訓練的過程中，通過對無標注圖片進行處理獲取增強人臉圖片和變換參數，再利用無標注圖片、增強人臉圖片和變換參數來訓練人臉解析網絡，從而達到降低人臉解析模型的訓練成本和提高人臉解析模型的泛化效果的目的，解決了現有技術中主要使用基于歐美人臉數據的標注圖片對人臉解析模型進行訓練所導致泛化效果差和對新的訓練數據進行標注成本大的技術問題。

另外，本發明實施方式提供的人臉解析模型訓練方法，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。本發明提供的技術方案可以將無標注人臉圖片剪裁至預設尺寸，避免由于無標注人臉圖片無關區域太大而導致的數據計算量大的問題，使得本發明可以數據處理負載，提高人臉解析效率。

另外，本發明實施方式提供的人臉解析模型訓練方法，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。本發明提供的技術方案可以訓練人臉解析模型，使其具備預測人臉圖片關鍵點的功能。使得本發明可以提高人臉解析模型的實用性。