【技术实现步骤摘要】
一种单级人脸分割的方法
本专利技术涉及图像处理
，特别地涉及一种单级人脸分割的方法。
技术介绍
人脸分割技术主要用于定位和分割人脸部位，如眼睛、鼻子和嘴唇等，人脸分割是人脸识别技术的重要组成部分。一般人脸分割方法采用两级(TwoStage)的方式，即先检测再分割，如采用Mask-RCNN进行人脸分割的技术方案。它首先检测人脸图像中各部位的边界框，然后截取边界框里的图像，分割出人脸部位的掩码。这种人脸分割方式，将任务分解成两个子任务，即检测和分割，每个子任务分别独立完成，人脸各部位的检测效果将直接影响后续的分割精度。同时，这种先检测再分割的方式，减弱了人脸各部位的全局上下文信息，对人脸遮挡和复杂的人脸姿态难以达到较好的适应效果。本专利技术公开了一种单级人脸分割(OneStageFaceSegmentation)的方法，只需要一级(OneStage)网络就可以完成人脸各部位的定位和分割。该方法在训练时只需要实例掩码标签，不需要实例的边界框信息，可以端到端的进行学习，简化了模型的训练，达到较好的分割效果。该方法将分割...
【技术保护点】
1.一种单级人脸分割的方法，其特征在于，包括以下的实施步骤：/n步骤1、首先使用Grid模块对输入的人脸图像进行均匀网格化，为分类分支提供网格化类别标签，为掩码分支提供参考掩码；/n步骤2、使用FCN模块对网格化后人脸图像进行基础特征的提取；/n步骤3、使用JFU模块对FCN模块输出的三级特征进行融合，获得更加丰富的特征信息；/n步骤4、使用Category模块对JFU模块的输出进行处理，实现分类分支的功能，预测每个网格图像是否存在人脸部位，若存在人脸部位，则给出对应的网格位置、类别和置信度，为掩码分支提供参考信息；/n步骤5、使用Mask模块对JFU模块的输出进行处理，获...
【技术特征摘要】
1.一种单级人脸分割的方法，其特征在于，包括以下的实施步骤：
步骤1、首先使用Grid模块对输入的人脸图像进行均匀网格化，为分类分支提供网格化类别标签，为掩码分支提供参考掩码；
步骤2、使用FCN模块对网格化后人脸图像进行基础特征的提取；
步骤3、使用JFU模块对FCN模块输出的三级特征进行融合，获得更加丰富的特征信息；
步骤4、使用Category模块对JFU模块的输出进行处理，实现分类分支的功能，预测每个网格图像是否存在人脸部位，若存在人脸部位，则给出对应的网格位置、类别和置信度，为掩码分支提供参考信息；
步骤5、使用Mask模块对JFU模块的输出进行处理，获取人脸部位的分割掩码，预测每个网格对应的掩码图像。
2.根据权利要求1所述的一种单级人脸分割的方法，其特征在于，步骤1所述的Grid模块对输入的人脸图像进行均匀网格化是将输入的人脸图像均匀分成S行S列，即S2个网格子图，以左眼、右眼、鼻子、嘴唇等部位及背景作为参考分割标记，共5种类别标记，人脸各部位的中心点所处的网格标记为该部位的类别，剩下的网格均标记为背景类别，最终产生一个SxS的矩阵，作为分类分支的参考标签，相应的，每个网格对应一个掩码图像，因有S2个网格，所以掩码分支将输出S2个通道，每个通道对应一个网格，每个掩码图像只对应一个类别的一个对象。
3.根据权利要求1所述的一种单级人脸分割的方法，其特征在于，步骤1中所述的分类分支和掩码分支作为两个不同的任务，用于共同完成人脸分割，两个分支在训练中使用不同的损失函数，分类分支使用CrossEntropyLoss，记为LCE，如公式一所示，掩码分支采用DiceLoss，记为LDice，如公式二所示：
公式一中，x[j]和x[class]均为预测层的输出，x[class]为真实类别class的值；
公式二中，px，y为预测掩码中在位置(x，y)的像素值，qx，y为真实掩码中在位置(x，y)的像素值；
在训练过程中，整体损失函数，如公式三所示：
L＝Lc+λLDice公式三
公式三中，λ为损失函数系数，用于平衡两路分支的损失函数权重...
【专利技术属性】
技术研发人员：余孟春，谢清禄，王显飞，
申请(专利权)人：广州麦仑信息科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。