用于人脸关键点网络检测模型的训练方法、人脸关键点检测方法、装置制造方法及图纸

本申请公开了一种用于人脸关键点网络检测模型的训练方法、人脸关键点检测方法、装置。该用于人脸关键点网络检测模型的训练方法，包括：获取人脸图片以及人脸图片标签；将人脸图片作为预设卷积神经网络的输入，得到人脸图片预测关键点；根据所述人脸图片标签中实际人脸关键点坐标与所述人脸图片预测关键点构造损失函数；以及通过回归训练更新所述预设卷积神经网络直到满足预设训练条件。本申请解决了人脸检测精度较差的技术问题。此外，本申请中的训练方法，对人脸关键点的回归精度较高，更具鲁棒性。

【技术实现步骤摘要】
用于人脸关键点网络检测模型的训练方法、人脸关键点检测方法、装置
本申请涉及计算机视觉领域，具体而言，涉及一种用于人脸关键点网络检测模型的训练方法、人脸关键点检测方法、装置。
技术介绍
随着网络主播等相关行业的发展，视频内容植入变得尤为重要，尤其是根据人脸的美颜、换装、甚至换脸等功能，这给人脸关键点检测技术带来很大挑战。专利技术人发现，现有的人脸关键点回归训练任务，某一些关键点回归准确度较差，这使网络的更新偏向于更新回归准确度较差的方向。进一步，不利于人脸整个部分的回归更新。针对相关技术中人脸检测精度较差的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请的主要目的在于提供一种用于人脸关键点网络检测模型的训练方法、人脸关键点检测方法、装置，以解决人脸检测精度较差的问题。为了实现上述目的，根据本申请的一个方面，提供了一种用于人脸关键点网络检测模型的训练方法。根据本申请的用于人脸关键点网络检测模型的训练方法包括：获取人脸图片以及人脸图片标签；将人脸图片作为预设卷积神经网络的输入，得到人脸图片预测关键点；根据所述人脸图片标签中实际人脸关键点坐标与所述人脸图片预测关键点构造损失函数；以及通过本文档来自技高网...

【技术保护点】
1.一种用于人脸关键点网络检测模型的训练方法，其特征在于，包括：获取人脸图片以及人脸图片标签；将人脸图片作为预设卷积神经网络的输入，得到人脸图片预测关键点；根据所述人脸图片标签中实际人脸关键点坐标与所述人脸图片预测关键点构造损失函数；以及通过回归训练更新所述预设卷积神经网络直到满足预设训练条件。

【技术特征摘要】
1.一种用于人脸关键点网络检测模型的训练方法，其特征在于，包括：获取人脸图片以及人脸图片标签；将人脸图片作为预设卷积神经网络的输入，得到人脸图片预测关键点；根据所述人脸图片标签中实际人脸关键点坐标与所述人脸图片预测关键点构造损失函数；以及通过回归训练更新所述预设卷积神经网络直到满足预设训练条件。2.根据权利要求1所述的训练方法，其特征在于，根据所述人脸图片标签中实际人脸关键点坐标与所述人脸图片预测关键点构造损失函数包括：将实际人脸关键点坐标与与所述人脸图片预测关键点做的差为损失，得到损失函数其中，为量化后的人脸关键点坐标，y*为网络预测出的人脸关键点坐标，损失Loss的取值为分段函数，w和C为人工设定的截断参数。3.根据权利要求1所述的训练方法，其特征在于，所述更新所述预设卷积神经网络直到满足预设训练条件包括：通过预测的判决结果和真实结果的差别，来更新预设卷积神经网络中的参数；根据所述人脸图片标签中实际人脸关键点坐标与所述人脸图片预测关键点构造损失函数；以及重复训练直到网络参数收敛或到达最大迭代次数。4.根据权利要求1所述的训练方法，其特征在于，获取人脸图片以及人脸图片标签包括：确定带有人脸关键点标注的数据集；根据所述数据集中关键位置判定人脸的位置；根据人脸的位置裁剪出人脸图片并执行预设数据增强；以及数据增强后的人脸图片的标签是量化后的人脸关键点坐标。5.一种人脸关键点检测方法，其特征在于，使用如权利要求1所述的训练方法训练得到网络模型，所述方法包括：对待检测的图片执行预处理后将结果输入到所述网络模型中，得到人脸关键点预测结果。6.一种用于人脸关键点网络检测模型的训练装置，其...

【专利技术属性】
技术研发人员：郭英强，张默，
申请(专利权)人：北京陌上花科技有限公司，
类型：发明
国别省市：北京,11