【技术实现步骤摘要】
关键点的检测方法、装置、电子设备及存储介质
[0001]本专利技术实施例涉及计算机
，尤其涉及一种关键点的检测方法、装置、电子设备及存储介质。
技术介绍
[0002]人脸关键点检测是指精准定位人脸区域，包括脸颊、眉、眼、口、鼻等人脸五官及轮廓。自2013年CNN(Convolutional Neural Network，卷积神经网络)技术首次应用到人脸关键点检测以来，该项技术已经经历了飞速的发展，技术手段也相对完善，无论是应用于移动端的快速检测技术还是应用于云端的高精度检测技术均得到了飞速的发展。
[0003]而随着人脸关键点技术的发展，人脸关键点技术已经应用于各个场景下，如使用关键点技术可分别划分出人脸的眉毛、眼睛、嘴巴、脸颊等区域，从而达到人脸美颜效果，而人脸外部轮廓区域则可以应用在瘦脸中，除此之外还有非常多的应用场景，广泛分布于短视频领域、长视频领域和拍照。
[0004]然而，现有的人脸关键点技术在实际应用场合中，或多或少的还会存在部分点位的不准确和抖动，尤其是在端测模型中，为了适应端测对检测速度...
【技术保护点】
【技术特征摘要】
1.一种关键点的检测方法，其特征在于，所述方法包括：提取目标图像的特征图；将所述特征图输入至训练好的特征提取模型，以由所述特征提取模型通过多个基础网络层以及至少两个自注意力特征提取层从所述特征图中提取关键点集；其中，相邻的两个所述自注意力特征提取层跳跃连接。2.根据权利要求1所述的方法，其特征在于，所述基础网络层包括卷积层；每相邻的两个所述卷积层之间包括至少一层所述自注意力特征提取层。3.根据权利要求1所述的方法，其特征在于，所述基础网络层包括卷积层；部分相邻的两个所述卷积层之间包括至少一层所述自注意力特征提取层。4.根据权利要求1所述的方法，其特征在于，所述基础网络层包括卷积层；所述特征提取模型通过多个基础网络层以及至少两个自注意力特征提取层从所述特征图中提取关键点集，包括：所述特征提取模型在通过一个第一卷积层得到第一卷积特征之后，通过至少一个第一自注意力特征提取层对所述第一卷积特征进行自注意力特征提取，得到第一自注意力特征，以及将所述第一自注意力特征输入至第二卷积层进行卷积；其中，所述第一卷积层指下一层包括自注意力特征提取层的卷积层，所述第一自注意力特征提取层指所述第一卷积层的下一层包括的自注意力特征提取层，所述第二卷积层指位于所述第一卷积层之后，且与所述第一卷积层相邻的卷积层。5.根据权利要求4所述的方法，其特征在于，所述自注意力特征提取层包括一个卷积核；所述方法还包括：在所述第一自注意力特征提取层对所述第一卷积特征进行自注意力特征提取的过程中，通过所述卷积核对所述第一自注意力特征提取层学习到的自注意力权重进行卷积，得到卷积后的自注意力权重，其中，所述卷积后的自注意力权重的通道数与所述第二卷积特征的通道数一致；将所述第二卷积层输出的第二卷积特征与所述卷积后的自注意力权重进行设定运算后，输入至下一个所述第一卷积...
【专利技术属性】
技术研发人员：吴佳涛，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：
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。