人脸检测方法及其模型的训练方法、装置及电子设备制造方法及图纸

本公开实施例提供了一种人脸检测方法及其模型的训练方法、装置及设备。该方法包括：获取训练样本和预设的初始模型；其中，训练样本包括人脸图像和所述人脸图像的真实人脸区域位置信息；初始模型包括基础网络，增强网络以及预测网络；将人脸图像输入至初始模型的基础网络，输出第一特征图；将第一特征图输入至增强网络，输出增强特征图；将增强特征图输入至预测网络，得到所述人脸图像的预测人脸区域位置信息；将所述人脸图像的预测人脸区域位置信息和所述人脸图像的真实人脸区域位置信息代入预设损失函数进行计算，根据计算得到的损失值更新初始模型，以得到人脸检测模型。根据本公开实施例，可以提升人脸检测的准确度。

【技术实现步骤摘要】
人脸检测方法及其模型的训练方法、装置及电子设备
本公开涉及人脸检测
，更具体地，涉及一种人脸检测模型的训练方法、一种人脸检测方法、一种人脸检测模型的训练装置、一种人脸检测装置、一种电子设备以及一种计算机可读存储介质。
技术介绍
随着计算机算力的提升，人脸识别技术的应用越来越广泛，尤其是互联网和5G技术的快速发展，人脸识别将成为人脸支付、图像审核、人员检索的重要技术手段。而人脸检测能够为人脸识别提供识别区域，分离背景与前景，因此，人脸检测的定位精度将极大的影响到人脸识别的准确度。因此，有必要提供一种精确的人脸检测方法，以提升人脸识别的准确度。
技术实现思路
本公开实施例的一个目的是提供一种人脸检测的新的技术方案。根据本公开的第一方面，提供了一种人脸检测模型的训练方法，所述方法包括：获取训练样本和预设的初始模型；其中，所述训练样本包括人脸图像和所述人脸图像的真实人脸区域位置信息；所述初始模型包括基础网络，增强网络以及预测网络；将所述人脸图像输入至所述初始模型的基础网络，输出第一特征图；...

【技术保护点】
1.一种人脸检测模型的训练方法，所述方法包括：/n获取训练样本和预设的初始模型；其中，所述训练样本包括人脸图像和所述人脸图像的真实人脸区域位置信息；所述初始模型包括基础网络，增强网络以及预测网络；/n将所述人脸图像输入至所述初始模型的基础网络，输出第一特征图；/n将所述第一特征图输入至所述增强网络，输出增强特征图；/n将所述增强特征图输入至所述预测网络，得到所述人脸图像的预测人脸区域位置信息；/n将所述人脸图像的真实人脸区域位置信息和人脸图像的预测人脸区域位置信息代入预设损失函数进行计算，根据计算得到的损失值更新所述初始模型，以得到所述人脸检测模型。/n

【技术特征摘要】
1.一种人脸检测模型的训练方法，所述方法包括：
获取训练样本和预设的初始模型；其中，所述训练样本包括人脸图像和所述人脸图像的真实人脸区域位置信息；所述初始模型包括基础网络，增强网络以及预测网络；
将所述人脸图像输入至所述初始模型的基础网络，输出第一特征图；
将所述第一特征图输入至所述增强网络，输出增强特征图；
将所述增强特征图输入至所述预测网络，得到所述人脸图像的预测人脸区域位置信息；
将所述人脸图像的真实人脸区域位置信息和人脸图像的预测人脸区域位置信息代入预设损失函数进行计算，根据计算得到的损失值更新所述初始模型，以得到所述人脸检测模型。


2.根据权利要求1所述的方法，其中，所述增强网络包括：依次连接的第一卷积层，可变卷积层以及上采样卷积层；
所述将所述第一特征图输入至所述增强网络，输出增强特征图，包括：
将所述第一特征图输入至所述第一卷积层，得到第一中间特征图；
将所述第一中间特征图输入至所述可变卷积层，得到第二中间特征图；
将所述第二中间特征图输入至所述上采样卷积层，输出所述增强特征图。


3.根据权利要求1所述的方法，其中，所述基础网络包括：浅层网络和深层网络；
所述将所述人脸图像输入至所述初始模型的基础网络，输出第一特征图，包括：
将所述人脸图像输入至所述浅层网络，输出浅层特征图；
将所述浅层特征图输入至所述深层网络，输出所述第一特征图。


4.根据权利要求3所述的方法，其中，所述浅层网络包括第二卷积层和第三卷积层；所述深层网络包括第四卷积层，第五卷积层和第六卷积层；
所述将所述人脸图像输入至所述浅层网络，输出浅层特征图；将所述浅层特征图输入至所述深层网络，输出所述第一特征图，包括：
将所述人脸图像输入至所述第二卷积层，输出第二卷积层特征图；
将所述第二卷积层特征图输入至所述第三卷积层，输出所述浅层特征图；
将所述浅层特征图输入至所述第四卷积层，输出第四卷积层特征图；
将所述第四卷积层特征图输入至所述第五卷积层，输出第五卷积层特征图；
将所述第五卷积层特征图输入至所述第六卷积层，输出所述第一特征图。


5.根据权利要求4所述的方法，其中，所述增强网络包括：第一增强子网络，第二增强子网络以及第三增强子网络；
所述将所述第一特征图输入至所述增强网络，输出增强特征图，包括：
将所述第一特征图输入至所述第一增强子网络，输出增强后的第一特征图；
将所述第五卷积层特征图和所述增强后的第一特征图进行融合，得到第一融合特征图；
将所述第一融合特征图输入所述第二增强子网络，输出增强后的第一融合特征图；
将所述第四卷积层特征图和所述增强后的第一融合特征图进行融合，得到第二融合特征图；
将所述第二融合特征图输入所述第三增强子网络，输出所述增强特征图。


6.根据权利要求1所述的方法，其中，
所述人脸图像的真实人脸区域位置信息包括所述人脸图像的真实人脸区域信息和所述人脸图像的真实人脸位置信息；
所述人脸图像的预测人脸区域位置信息包括所述人脸图像的预测人脸区域信息和所述人脸图像的预测人脸位置信息；
所述预测网络包括：热力图预测子网络...

【专利技术属性】
技术研发人员：路洪运，许健，田波，肖鑫，窦宏辰，韩博，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：北京;11