[發(fā)明專(zhuān)利]一種無(wú)需標(biāo)注的人臉?lè)指罘椒跋到y(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210087333.7
• 申請(qǐng)日: 2022-01-25
• 公開(kāi)（公告）號(hào): CN114445441B
• 公開(kāi)（公告）日: 2022-09-09
• 發(fā)明（設(shè)計(jì)）人: 褚一平;張雪妮;朱華山;陳建勇;鄭義;郁星星;陳士春;唐志學(xué);潘翔;趙小敏;鄭河榮;黃葉玨
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州海量信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06T7/136
• 分類(lèi)號(hào): G06T7/136;G06T3/40
• 代理公司: 北京盛詢(xún)知識(shí)產(chǎn)權(quán)代理有限公司 11901
• 代理人: 方亞兵

本發(fā)明公開(kāi)了一種無(wú)需標(biāo)注的人臉?lè)指罘椒跋到y(tǒng)，包括：根據(jù)標(biāo)準(zhǔn)證件照片的先驗(yàn)知識(shí)，生成第一訓(xùn)練數(shù)據(jù)集，通過(guò)設(shè)計(jì)人臉?lè)指罹W(wǎng)絡(luò)的結(jié)構(gòu)和損失函數(shù)，構(gòu)建第一集成人臉?lè)指罹W(wǎng)絡(luò)模型；利用第一集成人臉?lè)指罹W(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)人臉圖像數(shù)據(jù)進(jìn)行分割生成第二訓(xùn)練數(shù)據(jù)集，并對(duì)人臉?lè)指罹W(wǎng)絡(luò)進(jìn)行訓(xùn)練，構(gòu)造第二集成人臉?lè)指罹W(wǎng)絡(luò)模型；利用第二集成人臉?lè)指罹W(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)人臉圖像數(shù)據(jù)進(jìn)行分割，生成第三訓(xùn)練數(shù)據(jù)集；利用第一集成人臉?lè)指罹W(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)證件照片圖像數(shù)據(jù)進(jìn)行分割，生成第四訓(xùn)練數(shù)據(jù)集；通過(guò)第三訓(xùn)練數(shù)據(jù)集和第四訓(xùn)練數(shù)據(jù)集，對(duì)人臉?lè)指罹W(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到統(tǒng)一人臉?lè)指罹W(wǎng)絡(luò)模型，本發(fā)明無(wú)需人工標(biāo)注，大大節(jié)約了成本，降低了產(chǎn)品開(kāi)發(fā)難度。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉處理領(lǐng)域，尤其涉及一種無(wú)需標(biāo)注的人臉?lè)指罘椒跋到y(tǒng)。

背景技術(shù)

近幾年深度學(xué)習(xí)技術(shù)取得了長(zhǎng)足的進(jìn)步，在大多數(shù)高層次的視覺(jué)任務(wù)中，深度學(xué)習(xí)技術(shù)比傳統(tǒng)的方法具有明顯的優(yōu)勢(shì)。目前在人臉相關(guān)的任務(wù)中，深度學(xué)習(xí)技術(shù)已占據(jù)了統(tǒng)治地位。但是深度學(xué)習(xí)技術(shù)需要大量的訓(xùn)練數(shù)據(jù)來(lái)訓(xùn)練模型才能取得良好的效果，而高精度的人臉?lè)指顢?shù)據(jù)的標(biāo)注難度大、標(biāo)注成本高，需要花費(fèi)標(biāo)注人員大量的時(shí)間。

發(fā)明內(nèi)容

為了解決現(xiàn)有的技術(shù)問(wèn)題，本發(fā)明的目的是設(shè)計(jì)一種無(wú)需標(biāo)注的人臉?lè)指罘椒ú坏梢怨?jié)約成本而且可以大大加快產(chǎn)品的落地時(shí)間。

為了實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明提供了一種無(wú)需標(biāo)注的人臉?lè)指罘椒?，包括以下步驟：

根據(jù)標(biāo)準(zhǔn)證件照片的先驗(yàn)知識(shí)，構(gòu)造圖像標(biāo)簽生成和過(guò)濾規(guī)則，對(duì)證件照片圖像數(shù)據(jù)進(jìn)行處理生成第一訓(xùn)練數(shù)據(jù)集。設(shè)計(jì)高容錯(cuò)的人臉?lè)指罹W(wǎng)絡(luò)結(jié)構(gòu)和損失函數(shù)，在第一訓(xùn)練數(shù)據(jù)集上訓(xùn)練，并集成各階段的訓(xùn)練結(jié)果構(gòu)建第一集成人臉?lè)指罹W(wǎng)絡(luò)模型。

利用第一集成人臉?lè)指罹W(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)人臉圖像數(shù)據(jù)進(jìn)行分割，采用最優(yōu)閾值搜索的方法生成第二訓(xùn)練數(shù)據(jù)集。使用第二訓(xùn)練數(shù)據(jù)集對(duì)人臉?lè)指罹W(wǎng)絡(luò)進(jìn)行訓(xùn)練，并集成其各階段的訓(xùn)練結(jié)果構(gòu)造第二集成人臉?lè)指罹W(wǎng)絡(luò)模型。

利用第二集成人臉?lè)指罹W(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)人臉圖像數(shù)據(jù)進(jìn)行分割，采用最優(yōu)閾值搜索的方法生成第三訓(xùn)練數(shù)據(jù)集。利用第一集成人臉?lè)指罹W(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)證件照片圖像數(shù)據(jù)進(jìn)行分割，采用最優(yōu)閾值搜索的方法生成第四訓(xùn)練數(shù)據(jù)集。把第三訓(xùn)練數(shù)據(jù)集和第四訓(xùn)練數(shù)據(jù)集按一定比例混合，對(duì)人臉?lè)指罹W(wǎng)絡(luò)進(jìn)行訓(xùn)練直至收斂，得到統(tǒng)一人臉?lè)指罹W(wǎng)絡(luò)模型。

優(yōu)選地，根據(jù)標(biāo)準(zhǔn)證件照片的先驗(yàn)知識(shí)，構(gòu)造圖像標(biāo)簽生成和過(guò)濾規(guī)則，將標(biāo)準(zhǔn)證件照片轉(zhuǎn)化為灰度圖像；

根據(jù)灰度圖像，獲取灰度圖像的直方圖；

根據(jù)直方圖，生成用于圖像分割的閾值；

通過(guò)閾值，對(duì)標(biāo)準(zhǔn)證件照片進(jìn)行分割，生成標(biāo)簽圖像。

優(yōu)選地，在生成閾值的過(guò)程中，閾值的表達(dá)式為：

t^*＝argmax_tabs(H(t)-H(t-1))，t∈[200,255]

式中，t^*表示閾值，H表示直方圖；

生成標(biāo)簽圖像的表達(dá)式為：

式中，G表示灰度圖像，i為像素位置。

優(yōu)選地，在生成訓(xùn)練數(shù)據(jù)集的過(guò)程中，通過(guò)從上到下的方式，統(tǒng)計(jì)標(biāo)簽圖像的每一行的像素值為255的像素個(gè)數(shù)，生成投影數(shù)據(jù)PA，其中，投影數(shù)據(jù)PA的長(zhǎng)度sz；

通過(guò)投影數(shù)據(jù)PA和長(zhǎng)度sz，生成訓(xùn)練數(shù)據(jù)集。

優(yōu)選地，生成訓(xùn)練數(shù)據(jù)集的方法包括：

從頭到尾對(duì)投影數(shù)據(jù)PA進(jìn)行搜索，當(dāng)PA(0)＝0時(shí)，則繼續(xù)搜索，否則標(biāo)簽圖像不符合要求，停止搜索；