一种基于弱监督学习的人脸关键点检测方法技术

本发明专利技术公开了一种基于弱监督学习的人脸关键点检测方法。利用两种数量不同、关键点也不同的数据集及标签对人脸关键点模型进行训练，用一个数据集和标签训练人脸关键点模型，用训练后的人脸关键点模型对另一数据集预测得预测标签；从中选出和原有标签中对应的关键点对并计算判断误差，保留得到预测数据集及标签；将一个数据集及标签、预测数据集及标签重组重新训练人脸关键点模型，再用新训练后的人脸关键点模型返回迭代处理；最后对待测人脸图片检测获得人脸关键点。本发明专利技术快速扩充得到充足数量的多关键点数据集，弥补了现有技术中无法获得准确的大量数据集的问题，从而提升弱监督学习的效果。督学习的效果。督学习的效果。

【技术实现步骤摘要】
一种基于弱监督学习的人脸关键点检测方法


[0001]本专利技术涉及计算机视觉
，具体而言是涉及了一种基于弱监督学习的人脸关键点检测方法。

技术介绍

[0002]人脸关键点检测在司机疲劳检测、微表情识别、人脸识别、人脸美妆、人脸特效、换脸等多个领域中发挥着非常重要的基础作用。
[0003]但是人脸关键点的标注流程复杂，标注成本较高，当标注点数增加时，标注难度则会大幅度增加，标注一张近百个关键点的人脸，甚至需要耗时十几分钟，严重影响了模型的效果，也限制了相关领域的发展。
[0004]表1现有数据集的参数
[0005][0006]从上表所示，到目前为止，现有处理的主流数据集中，图片数量和关键点数之间存在较大的冲突，当标注点数增加时，图片数量则较难满足实际需求。

技术实现思路

[0007]为了解决
技术介绍
中存在的问题，本专利技术提出了一种基于弱监督学习的人脸关键点检测方法，快速扩充得到充足数量的多关键点数据集，弥补了现有技术中无法获得准确的大量数据集的问题，从而提升弱监督学习的效果。r/>[0008]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于弱监督学习的人脸关键点检测方法，其特征在于：1)利用两种数量不同、关键点也不同的数据集及其标签对预先设置好的人脸关键点模型进行训练；2)利用训练后的人脸关键点模型对待测情况下的人脸图片进行检测，获得其中的人脸关键点。2.根据权利要求1所述的一种基于弱监督学习的人脸关键点检测方法，其特征在于：两数据集均具有带有人脸关键点作为标签标注的图片。3.根据权利要求1所述的一种基于弱监督学习的人脸关键点检测方法，其特征在于：所述步骤1)中，一个数据集为数量较少但关键点数目较多的数据集A及其标签AT，另一个数据集为数量较多但关键点数目较少的数据集B及其标签BT，具体为：1.1)先利用数据集A和标签AT训练人脸关键点模型M(i)，得到训练后的人脸关键点模型M(i)；1.2)使用训练后的人脸关键点模型M(i)对数据集B进行预测，得到数据集B对应的预测标签BT(i)；1.3)从预测标签BT(i)中选出和数据集B原标签BT中具有对应关系的...

【专利技术属性】
技术研发人员：赖申其，钱炜，杨政，何晓飞，
申请(专利权)人：杭州飞步科技有限公司，
类型：发明
国别省市：