脸部的检测模型训练方法、识别方法、装置、介质和设备制造方法及图纸

本公开提供了一种脸部的检测模型训练方法、识别方法、装置、介质和设备，涉及计算机技术领域。该脸部的检测模型训练方法基于所述脸部检测模型中每个卷积层中各卷积通道之间的相关性，对所述脸部检测模型进行通道裁剪，得到预训练检测模型；基于训练样本集对所述预训练检测模型进行训练，得到目标脸部检测模型。解决了现有技术中存在的现有的脸部检测模型无法适用于移动端的技术问题，达到了提高脸部检测模型的适用性的技术效果。检测模型的适用性的技术效果。检测模型的适用性的技术效果。

【技术实现步骤摘要】
脸部的检测模型训练方法、识别方法、装置、介质和设备


[0001]本公开涉及计算机
，尤其涉及一种脸部的检测模型训练方法、识别方法、装置、介质和设备。

技术介绍

[0002]美颜拍摄一直深受年轻人的喜爱，近些年也不断推出一些针对性的美颜模式，例如宠物美颜等。在进行美颜前必须先进行脸部识别，目前主要是通过脸部检测模型对宠物的脸部进行识别。
[0003]但是由于宠物一般都比较活泼好动，表情变换丰富，因此在进行脸部识别时对于脸部检测模型的要求较高。目前主要是通过增加卷积网络的层数来实现对于脸部检测模型精准度的提高，但是，在提高脸部检测模型精准度的同时也会导致脸部检测模型的过大，无法适用于移动终端。

技术实现思路

[0004]本公开提供了一种脸部的检测模型训练方法、识别方法、装置、介质和设备，进而提高宠物脸部的检测模型的适用性。
[0005]第一方面，本公开一个实施例提供了一种脸部的检测模型训练方法，用于对动物脸部检测模型进行训练，该方法包括：
[0006]确定脸部检测模型；
[0007]基于脸部检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脸部的检测模型训练方法，其特征在于，用于对动物脸部检测模型进行训练，所述方法包括：确定脸部检测模型；基于所述脸部检测模型中每个卷积层中各卷积通道之间的相关性，对所述脸部检测模型进行通道裁剪，得到预训练检测模型；基于训练样本集对所述预训练检测模型进行训练，得到目标脸部检测模型。2.根据权利要求1所述的脸部的检测模型训练方法，其特征在于，所述基于所述脸部检测模型中每个卷积层中各卷积通道之间的相关性，对所述脸部检测模型进行通道裁剪，得到预训练检测模型，包括：针对所述脸部检测模型中的每个卷积层，确定所述卷积层中多个卷积通道之间的相关系数；裁剪所述脸部检测模型各卷积层中预设比例的卷积通道，得到中间预训练模型；将所述中间预训练模型作为所述脸部检测模型，继续裁剪各卷积层中所述预设比例的卷积通道；若当前的裁剪结果满足裁剪结束条件，则确定当前的中间预训练模型为所述预训练检测模型。3.根据权利要求2所述的脸部的检测模型训练方法，其特征在于，所述若当前的裁剪结果满足裁剪结束条件，则确定当前的中间预训练模型为所述预训练检测模型，包括：若当前进行通道裁剪的次数大于或等于预设裁剪次数，则确定当前的中间预训练模型为所述预训练检测模型。4.根据权利要求2所述的脸部的检测模型训练方法，其特征在于，在所述裁剪所述脸部检测模型各卷积层中预设比例的卷积通道，得到中间预训练模型之后，所述方法还包括：确定所述中间预训练模型中各卷积层的输出特征图参数；基于所述输出特征图参数对所述脸部检测模型中各卷积层的特征图参数进行卷积初始化；对所述卷积初始化后的脸部检测模型中各全连接层的参数进行随机初始化。5.根据权利要求4所述的脸部的检测模型训练方法，其特征在于，所述特征图参数至少包括特征提取参数与特征融合参数。6.根据权利要求2所述的脸部的检测模型训练方法，其特征在于，所述针对所述脸部检测模型中的每个卷积层，确定所述卷积层中多个卷积通道之间的相关系数，包括：确定所述脸部检测模型中每个卷积层输出特征...

【专利技术属性】
技术研发人员：陈裕潮，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：