一种人脸对齐方法、装置、电子设备、芯片及介质制造方法及图纸

本公开提供一种人脸对齐方法、装置、电子设备、芯片及介质，涉及计算机视觉技术领域。该人脸对齐方法包括：获取人脸图像；基于所述人脸图像，通过第一特征提取网络提取第一特征，所述第一特征提取网络由第一数量的第一特征提取区块构成，其中，所述第一特征提取区块由以下网络依次构成：ECCB、DCANet、ECCB、SENet和DCANet；基于所述第一特征，通过全连接神经网络确定人脸关键点，所述人脸关键点用于人脸对齐。通过本公开提供的技术方案，解决了不同平台部署不便，各通道特征图之间特征关联少，人脸关键部位的识别准确率低的问题，提高了模型对于平台的适应性和人脸关键点的识别准确率。

【技术实现步骤摘要】

本公开涉及计算机视觉，尤其涉及一种人脸对齐方法、装置、电子设备、芯片及介质。

技术介绍

1、人脸对齐就是识别图像或视频中人脸关键点的位置，这些位置通常是人的眼睛、鼻子、嘴、脸颊、眉毛这些具有特定语义信息的部分。在相关技术中，人脸对齐对于不同部署平台，需要调整网络结构，并且网络模型没有对各个通道特征图进行有效的筛选，各通道特征图之间特征关联少，人脸关键部位的识别准确率低。

技术实现思路

1、本公开提供一种人脸对齐方法、装置、电子设备、芯片及介质，以解决不同平台部署需要不同的网络结构，各通道特征图之间特征关联少，人脸关键部位的识别准确率低的问题，通过基于位置感知循环卷积(position-aware recurrent convolutions，parc)搭建了弹性卷积特征提取模块(elastic circular convolution block，eccb)，来提取多通道大量全局特征。随后引入深度连接注意力网络(deep connected attention network，dcanet)充分利用注意机制之本文档来自技高网...

【技术保护点】

1.一种人脸对齐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述人脸图像，通过第一特征提取网络提取第一特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述第三特征和所述第一数量，确定所述第一特征，包括：

4.根据权利要求1或2所述的方法，其特征在于，所述弹性循环卷积模块ECCB包括卷积、位置感知循环卷积ParC，所述位置感知循环卷积ParC用于提取全局特征。

5.根据权利要求2所述的方法，其特征在于，所述根据预设算力，通过所述循环卷积模块ECCB提取第一全局特征或所述第二全局特征包括：...

【技术特征摘要】

1.一种人脸对齐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述人脸图像，通过第一特征提取网络提取第一特征，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述第三特征和所述第一数量，确定所述第一特征，包括：

4.根据权利要求1或2所述的方法，其特征在于，所述弹性循环卷积模块eccb包括卷积、位置感知循环卷积parc，所述位置感知循环卷积parc用于提取全局特征。

5.根据权利要求2所述的方法，其特征在于，所述根据预设算力，通过所述循环卷积模块eccb提取第一全局特征或所述第二全局特征包括：

【专利技术属性】
技术研发人员：李磊，
申请(专利权)人：中移苏州软件技术有限公司，
类型：发明
国别省市：