【技术实现步骤摘要】
一种人脸关键点检测模型的训练方法及装置
本申请涉及人脸识别
，尤其涉及一种人脸关键点检测模型的训练方法及装置。
技术介绍
人脸识别作为计算机视觉领域的经典课题，具有很大的可研究性和应用价值，且对其具有很高的需求。人脸识别是一种对包含人脸的图像进行人脸脸部特征的提取，并根据脸部特征对脸部图像进行识别，给出识别结果的技术。人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。人脸关键点检测，是对一张人脸图像中人脸关键点进行检测和定位的技术，目前，对于正常人脸图像，可以准确地检测出的人脸关键点，但是，人脸图像是丰富多样的，对于非正脸、表情夸张、化妆、遮挡、不均匀光照、模糊的特殊人脸图像，对人脸关键点的识别准确率不高。
技术实现思路
有鉴于此，本申请实施例至少提供一种人脸关键点检测模型的训练方法及装置，通过让模型重点学习特殊的人脸图像样本，可以提升人脸关键点检测的准确率。本申请主要包括以下几个方面：第一...
【技术保护点】
1.一种人脸关键点检测模型的训练方法，其特征在于，所述训练方法包括：/n针对获取的多个人脸图像样本中的每个人脸图像样本，根据每个人脸图像样本所在的至少一个样本类别的特殊程度，确定每个人脸图像样本的计算权重；/n将每个人脸图像样本输入至基础人脸关键点检测模型，确定每个人脸图像样本中人脸关键点的预测坐标；/n根据每个人脸图像样本中人脸关键点的预测坐标、真实坐标，以及每个人脸图像样本的计算权重，对所述基础人脸关键点检测模型进行训练。/n
【技术特征摘要】
1.一种人脸关键点检测模型的训练方法，其特征在于，所述训练方法包括：
针对获取的多个人脸图像样本中的每个人脸图像样本，根据每个人脸图像样本所在的至少一个样本类别的特殊程度，确定每个人脸图像样本的计算权重；
将每个人脸图像样本输入至基础人脸关键点检测模型，确定每个人脸图像样本中人脸关键点的预测坐标；
根据每个人脸图像样本中人脸关键点的预测坐标、真实坐标，以及每个人脸图像样本的计算权重，对所述基础人脸关键点检测模型进行训练。
2.根据权利要求1所述的训练方法，其特征在于，所述样本类别包括以下类别中的至少一种类别：
正脸程度、表情夸张程度、光照程度、妆容程度、遮挡程度、图像清晰程度。
3.根据权利要求1所述的训练方法，其特征在于，针对所述至少一个样本类别中的每个样本类别，根据以下步骤确定每个人脸图像样本所在的每个样本类别的特殊程度：
统计获取的所述多个人脸图像样本中，具有目标图像特征的人脸图像样本的目标数量，以及所述多个人脸图像样本中人脸图像样本的总数量；其中，所述目标图像特征为每个人脸图像样本在每个样本类别下的特征；
根据所述总数量和所述目标数量，确定每个人脸图像样本所在的每个样本类别的特殊程度。
4.根据权利要求1所述的训练方法，其特征在于，所述根据每个人脸图像样本所在的至少一个样本类别的特殊程度，确定每个人脸图像样本的计算权重，包括：
根据每个人脸图像样本所在的所述至少一个样本类别中，各个样本类别分别对应的特殊程度，确定每个人脸图像样本的计算权重。
5.根据权利要求1所述的训练方法，其特征在于，所述根据每个人脸图像样本中人脸关键点的预测坐标、真实坐标，以及每个人脸图像样本的计算权重，对所述基础人脸关键点检测模型进行训练，包括：
根据每个人脸图像样本中人脸关键点的预测坐标和真实坐标，确定每个人脸图像样本的第一交叉熵；
根据每个人脸图像样本的计算权重对第一交叉熵进行调整，以得到每个人脸图像样本的第二交叉熵；
根据每个人脸图像样本的第二交叉熵，调整所述基础人脸关键点检测模型的模型参数。
6.根据权利要求5所述的训练方法，其特征在于，在所述得到每个人脸图像样本的第二交叉熵之后，所述训练方法还包括：
根据获取的所述多个人脸图像样本中每个人脸图像样本的第二交叉熵，确定所述多个人脸图像样本的平均交叉熵；
在所述平均交叉熵满足收敛条件时，停止对所述基础人脸关键点检测模型的训练。
7.根据权利要求5所述的训练方法，其特征在于，所述根据每个人脸图像样本中人脸关键点的预测坐标和真实坐标，确定每个人脸图像样本的第一交叉熵，包括：
针对每个人脸图像样本中的每个人脸关键点，计算每个人脸关键点的预测坐标和真实坐标之间的绝对...
【专利技术属性】
技术研发人员：张修宝，黄泄合，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
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。