CN110443222B - 用于训练脸部关键点检测模型的方法和装置 - Google Patents

用于训练脸部关键点检测模型的方法和装置 Download PDF

Info

Publication number
CN110443222B
CN110443222B CN201910748135.9A CN201910748135A CN110443222B CN 110443222 B CN110443222 B CN 110443222B CN 201910748135 A CN201910748135 A CN 201910748135A CN 110443222 B CN110443222 B CN 110443222B
Authority
CN
China
Prior art keywords
sample
neural network
face
facial
sample face
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910748135.9A
Other languages
English (en)
Other versions
CN110443222A (zh
Inventor
郭汉奇
洪智滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910748135.9A priority Critical patent/CN110443222B/zh
Publication of CN110443222A publication Critical patent/CN110443222A/zh
Application granted granted Critical
Publication of CN110443222B publication Critical patent/CN110443222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了用于训练脸部关键点检测模型的方法和装置。该方法的一具体实施方式包括：获取训练样本；利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。该实施方式提升了脸部关键点检测模型的检测精度。

Description

用于训练脸部关键点检测模型的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于训练脸部关键点检测模型的方法和装置。
背景技术
随着人工智能的不断发展，计算机视觉也取得了许多成果。其中，人脸关键点检测技术可以应用在多种互联网产品上，以帮助提高产品性能及用户体验，同时帮助拓宽更多的业务场景。此外，人脸关键点检测技术在人脸重建、人脸编辑及安防监控等方面也有着广泛的应用。
目前，常用的人脸关键点检测技术是关键点坐标回归方法。关键点坐标回归方法主要有SDM(Surpervised descent method，监督下降法)、GSDM(Global superviseddescent method，全局监督下降法)和CCL(Cascaded Compositional Learning，串列组合学习)等方法。这类方法首先初始化需要检测的关键点，然后建立人脸特征及关键点位置之间的映射关系，不断回归当前关键点与真值之间的差异，通过优化、逐渐缩小差异来得到最终的人脸关键点。
发明内容
本申请实施例提出了用于训练脸部关键点检测模型的方法和装置。
第一方面，本申请实施例提供了一种用于训练脸部关键点检测模型的方法，包括：获取训练样本，其中，训练样本包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签；执行以下训练步骤：利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。
在一些实施例中，该方法还包括：响应于确定第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络不收敛，继续执行训练步骤。
在一些实施例中，利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征，包括：将样本脸部图像归一化和标准化处理为样本四维向量，其中，样本四维向量的四个维度包括训练样本数、样本脸部图像通道数、样本脸部图像高度和样本脸部图像宽度；将样本四维向量输入至第一神经网络，得到样本脸部特征。
在一些实施例中，第一神经网络包括卷积层、非线性激活层和池化层；第二神经网络包括全连接层和非线性激活层；第三神经网络包括批标准化层、卷积层和非线性激活层。
在一些实施例中，基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值，包括：基于样本脸部关键点坐标与样本脸部关键点标签计算第一损失值；基于样本脸部五官分割结果和样本脸部五官分割标签第二计算损失值；对第一损失值和第二损失值进行加权求和，得到最终损失值。
在一些实施例中，样本脸部五官分割标签是基于样本脸部关键点标签标注的不同部分联结而成。
在一些实施例中，在基于第一神经网络和第二神经网络生成脸部关键点检测模型之后，还包括：获取待检测脸部图像；利用第一神经网络对待检测脸部图像进行特征提取，得到待检测脸部特征；将待检测脸部特征输入至第二神经网络，得到待检测脸部关键点坐标。
在一些实施例中，利用第一神经网络对待检测脸部图像进行特征提取，得到待检测脸部特征，包括：将待检测脸部图像归一化和标准化处理为待检测四维向量；将待检测四维向量输入至第一神经网络，得到待检测脸部特征。
第二方面，本申请实施例提供了一种用于训练脸部关键点检测模型的装置，包括：样本获取单元，被配置成获取训练样本，其中，训练样本包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签；模型训练单元，被配置成执行以下训练步骤：利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。
在一些实施例中，该装置还包括：继续执行单元，被配置成响应于确定第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络不收敛，继续执行训练步骤。
在一些实施例中，模型训练单元包括：样本处理子单元，被配置成将样本脸部图像归一化和标准化处理为样本四维向量，其中，样本四维向量的四个维度包括训练样本数、样本脸部图像通道数、样本脸部图像高度和样本脸部图像宽度；特征提取子单元，被配置成将样本四维向量输入至第一神经网络，得到样本脸部特征。
在一些实施例中，第一神经网络包括卷积层、非线性激活层和池化层；第二神经网络包括全连接层和非线性激活层；第三神经网络包括批标准化层、卷积层和非线性激活层。
在一些实施例中，模型训练单元还包括：第一计算子单元，被配置成基于样本脸部关键点坐标与样本脸部关键点标签计算第一损失值；第二计算子单元，被配置成基于样本脸部五官分割结果和样本脸部五官分割标签第二计算损失值；加权求和子单元，被配置成对第一损失值和第二损失值进行加权求和，得到最终损失值。
在一些实施例中，样本脸部五官分割标签是基于样本脸部关键点标签标注的不同部分联结而成。
在一些实施例中，该装置还包括：图像获取单元，被配置成获取待检测脸部图像；特征提取单元，被配置成利用第一神经网络对待检测脸部图像进行特征提取，得到待检测脸部特征；关键点检测单元，被配置成将待检测脸部特征输入至第二神经网络，得到待检测脸部关键点坐标。
在一些实施例中，特征提取单元进一步被配置成：将待检测脸部图像归一化和标准化处理为待检测四维向量；将待检测四维向量输入至第一神经网络，得到待检测脸部特征。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于训练脸部关键点检测模型的方法和装置，首先获取训练样本；然后执行以下训练步骤：利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。在用于提取特征的第一神经网络与用于检测脸部关键点的第二神经网络之间增加用于分割脸部五官的第三神经网络的分支，利用脸部五官分割标签监督用于分割脸部五官的分支神经网络的训练。通过使用关键点检测和脸部五官分割两类任务的监督学习，增加网络学习到的人脸信息，从而提升脸部关键点检测模型的检测精度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构；
图2是根据本申请的用于训练脸部关键点检测模型的方法的一个实施例的流程图；
图3是根据本申请的用于训练脸部关键点检测模型的方法的又一个实施例的流程图；
图4是脸部关键点检测模型的训练流程图；
图5是根据本申请的用于检测脸部关键点的方法的一个实施例的流程图；
图6是脸部关键点的检测流程图；
图7是根据本申请的用于训练脸部关键点检测模型的装置的一个实施例的结构示意图；
图8是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示，系统架构100中可以包括数据库服务器101、网络102和服务器103。网络102用以在数据库服务器101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
数据库服务器101可以用于存储训练样本。
服务器103可以是提供各种服务的服务器。例如模型训练服务器。模型训练服务器可以利用训练样本训练出脸部关键点检测模型。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于训练脸部关键点检测模型的方法一般由服务器103执行，相应地，用于训练脸部关键点检测模型的装置一般设置于服务器103中。
应该理解，图1中的数据库服务器、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的数据库服务器、网络和服务器。需要说明的是，在服务器103中存储有训练样本的情况下，系统架构100可以不设置数据库服务器101。
继续参考图2，其示出了根据本申请的用于训练脸部关键点检测模型的方法的一个实施例的流程200。该用于训练脸部关键点检测模型的方法，包括以下步骤：
步骤201，获取训练样本。
在本实施例中，用于训练脸部关键点检测模型的方法的执行主体(例如图1所示的服务器103)可以获取大量训练样本。其中，每个训练样本可以包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签。样本脸部图像中存在样本脸部。样本脸部关键点标签可以用于标注样本脸部图像中样本脸部的关键点，是通过对样本脸部的五官以及脸颊等部分的关键位置进行标注而生成。样本脸部五官分割标签可以用于标注样本脸部图像中样本脸部的五官轮廓，是通过对样本脸部的五官以及脸颊等部分的边缘轮廓进行标注而生成。
在本实施例中，脸部关键点的数量以及位置可以根据实际需求的不同而灵活设置。例如，对左眉毛、右眉毛、左眼睛、右眼睛、鼻子、上嘴唇、下嘴唇和脸颊的关键位置进行标注生成脸部关键点标签。随后，对左眉毛、右眉毛、左眼睛、右眼睛、鼻子、上嘴唇、下嘴唇和脸颊的边缘轮廓进行标注生成脸部五官分割标签。此时，脸部图像可以被分割为左眉毛、右眉毛、左眼睛、右眼睛、鼻子、上嘴唇、下嘴唇、脸颊和背景九个部分。
在本实施例的一些可选的实现方式中，样本脸部五官分割标签可以是基于样本脸部关键点标签标注的不同部分联结而成。也就是说，对样本脸部关键点标签标注的每个部分的关键点进行顺序连接，确定每个部分的边缘轮廓，得到样本脸部五官分割标签。
步骤202，利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征。
在本实施例中，上述执行主体可以利用第一神经网络对样本脸部图像进行特征提取，以得到样本脸部特征。例如，上述执行主体可以将样本脸部图像输入至第一神经网络，得到样本脸部特征。这里，第一神经网络可以是未经训练或未训练完成的神经网络，用于提取脸部特征。通常，第一神经网络可以包括但不限于mobileNet、ResNet等。具体选用的神经网络可以根据实际应用情况确定。
在本实施例的一些可选的实现方式中，第一神经网络可以包括卷积层、非线性激活层和池化层等。也就是说，第一神经网络可以是由卷积层、非线性激活层和池化层等基础网络层构成的主干网络。
在本实施例的一些可选的实现方式中，上述执行主体可以首先将样本脸部图像归一化和标准化处理为样本四维向量；然后将样本四维向量输入至第一神经网络，得到样本脸部特征。其中，样本四维向量的四个维度可以包括训练样本数、样本脸部图像通道数、样本脸部图像高度和样本脸部图像宽度。
步骤203，将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果。
在本实施例中，上述执行主体可以将样本脸部特征输入至第二神经网络，得到样本脸部关键点坐标，以及将样本脸部特征输入至第三神经网络，得到样本脸部五官分割结果。这里，第二神经网络和第三神经网络可以是未经训练或未训练完成的神经网络。第二神经网络可以用于提取脸部关键点坐标，将第一神经网络提取的脸部特征回归计算脸部关键点坐标。第三神经网络可以用于分割样本脸部五官，根据神经网络提取的脸部特征计算脸部五官分割结果。
在本实施例的一些可选的实现方式中，第二神经网络可以包括全连接层和非线性激活层等。也就是说，第二神经网络可以是由全连接层和非线性激活层等基础网络层构成的主干网络。第三神经网络可以包括批标准化(batch norm)层、卷积层和非线性激活层等。也就是说，第三神经网络可以是由批标准化层、卷积层和非线性激活层等基础网络层构成的主干网络。通常，第三神经网络可以由两个批标准化层、两个卷积层以及两个ReLU非线性激活层构成。
步骤204，基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值。
在本实施例中，上述执行主体可以基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值。具体地，基于样本脸部关键点坐标与样本脸部关键点标签之间的差值、样本脸部五官分割标签中每个部分的标注分布和样本脸部五官分割结果中每个部分的概率分布计算最终损失值。
步骤205，基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数。
在本实施例中，上述执行主体可以基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数。
步骤206，确定第一神经网络、第二神经网络和第三神经网络是否收敛。
在本实施例中，上述执行主体可以确定第一神经网络、第二神经网络和第三神经网络是否收敛。若均收敛，执行步骤207。若第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络不收敛，说明第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络尚未训练完成，此时返回继续执行步骤202。如此循环往复，直至第一神经网络、第二神经网络和第三神经网络均收敛为止。
步骤207，基于第一神经网络和第二神经网络生成脸部关键点检测模型。
在本实施例中，若第一神经网络、第二神经网络和第三神经网络均收敛，说明第一神经网络、第二神经网络和第三神经网络训练完成。此时，上述执行主体可以基于第一神经网络和第二神经网络生成脸部关键点检测模型。
本申请实施例提供的用于训练脸部关键点检测模型的方法，首先获取训练样本；然后执行以下训练步骤：利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。在用于提取特征的第一神经网络与用于检测脸部关键点的第二神经网络之间增加用于分割脸部五官的第三神经网络的分支，利用脸部五官分割标签监督用于分割脸部五官的分支神经网络的训练。通过使用关键点检测和脸部五官分割两类任务的监督学习，增加网络学习到的人脸信息，从而提升脸部关键点检测模型的检测精度。
进一步参考图3，其示出了根据本申请的用于训练脸部关键点检测模型的方法的又一个实施例的流程300。该用于训练脸部关键点检测模型的方法，包括以下步骤：
步骤301，获取训练样本。
步骤302，利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征。
步骤303，将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果。
在本实施例中，步骤301-303的具体操作已在图2所示的实施例中步骤201-203中进行了详细的介绍，在此不再赘述。
步骤304，基于样本脸部关键点坐标与样本脸部关键点标签计算第一损失值。
在本实施例中，用于训练脸部关键点检测模型的方法的执行主体(例如图1所示的服务器103)可以基于样本脸部关键点坐标与样本脸部关键点标签计算第一损失值。具体地，基于样本脸部关键点坐标与样本脸部关键点标签之间的差值计算第一损失值。其中，第一损失值是Smooth L1损失。
例如，上述执行主体可以通过如下公式计算第一损失值：
Figure BDA0002166280100000101
其中，smooth_l1(x)为第一损失值。x为样本脸部关键点坐标与样本脸部关键点标签之间的差值。
步骤305，基于样本脸部五官分割结果和样本脸部五官分割标签第二计算损失值。
在本实施例中，上述执行主体可以基于样本脸部五官分割结果和样本脸部五官分割标签第二计算损失值。具体地，基于样本脸部五官分割标签中每个部分的标注分布和样本脸部五官分割结果中每个部分的概率分布计算最终损失值。其中，第二损失值是交叉熵损失。
例如，上述执行主体可以通过如下公式计算第二损失值：
crossEntropyLoss(p,q)＝-∑p(x)log(x)；
其中，p为样本脸部五官分割结果中每个部分的概率分布。q为样本脸部五官分割结果中每个部分的标注分布。x为样本脸部五官分割结果中每个部分。p(x)为样本脸部五官分割结果中每个部分的概率。
步骤306，对第一损失值和第二损失值进行加权求和，得到最终损失值。
在本实施例中，上述执行主体可以对第一损失值和第二损失值进行加权求和，得到最终损失值。
步骤307，基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数。
在本实施例中，上述执行主体可以基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数。
步骤308，确定第一神经网络、第二神经网络和第三神经网络是否收敛。
在本实施例中，上述执行主体可以确定第一神经网络、第二神经网络和第三神经网络是否收敛。若均收敛，执行步骤309。若第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络不收敛，说明第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络尚未训练完成，此时返回继续执行步骤302。如此循环往复，直至第一神经网络、第二神经网络和第三神经网络均收敛为止。
步骤309，基于第一神经网络和第二神经网络生成脸部关键点检测模型。
在本实施例中，若第一神经网络、第二神经网络和第三神经网络均收敛，说明第一神经网络、第二神经网络和第三神经网络训练完成。此时，上述执行主体可以基于第一神经网络和第二神经网络生成脸部关键点检测模型。
为了便于理解，图4示出了脸部关键点检测模型的训练流程图。如图4所示，首先获取训练样本，其中，训练样本可以包括样本脸部图像401、样本脸部关键点标签402和样本脸部五官分割标签403。样本脸部五官分割标签403可以是基于样本脸部关键点标签402联结生成的。之后将样本脸部图像401输入至第一神经网络410；而后将第一神经网络410的输出输入至第二神经网络420，得到样本脸部关键点坐标404，以及将第一神经网络410的输出输入至第三神经网络430，得到样本脸部五官分割结果405；随后基于样本脸部关键点坐标404和样本脸部关键点标签402计算Smooth L1损失406，以及基于样本脸部五官分割结果405和样本脸部五官分割标签403计算交叉熵损失407；然后对Smooth L1损失406和交叉熵损失407进行加权求和；最后基于加权求和的结果对第一神经网络410、第二神经网络420和第三神经网络430进行参数更新，直至第一神经网络410、第二神经网络420和第三神经网络430均收敛，基于第一神经网络410和第二神经网络420生成脸部关键点检测模型。
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于训练脸部关键点检测模型的方法的流程300突出了迭代训练的步骤。由此，本实施例描述的方案多次迭代训练后生成脸部关键点检测模型，进一步提升了脸部关键点检测模型的检测精度。
继续参考图5，其示出了根据本申请的用于检测脸部关键点的方法的一个实施例的流程500。该用于检测脸部关键点的方法，包括以下步骤：
步骤501，获取待检测脸部图像。
在本实施例中，用于检测脸部关键点的方法的执行主体(例如图1所示的服务器103)可以获取待检测脸部图像。其中，待检测脸部图像中存在待检测脸部。
步骤502，利用第一神经网络对待检测脸部图像进行特征提取，得到待检测脸部特征。
在本实施例中，上述执行主体可以利用第一神经网络对待检测脸部图像进行特征提取，以得到待检测脸部特征。例如，上述执行主体可以将待检测脸部图像输入至第一神经网络，得到待检测脸部特征。这里，第一神经网络可以是训练完成的神经网络，用于提取脸部特征。也就是说，第一神经网络是训练完成的脸部关键点检测模型中的第一神经网络。
在本实施例的一些可选的实现方式中，上述执行主体可以首先将待检测脸部图像归一化和标准化处理为待检测四维向量；然后将待检测四维向量输入至第一神经网络，得到待检测脸部特征。
步骤503，将待检测脸部特征输入至第二神经网络，得到待检测脸部关键点坐标。
在本实施例中，上述执行主体可以将待检测脸部特征输入至第二神经网络，得到待检测脸部关键点坐标。这里，第二神经网络可以是训练完成的神经网络，用于提取脸部关键点坐标。也就是说，第二神经网络是训练完成的脸部关键点检测模型中的第二神经网络。
为了便于理解，图6示出了脸部关键点的检测流程图。如图6所示，首先将待检测脸部图像601输入至第一神经网络610；然后将第一神经网络610的输出输入至第二神经网络620，第二神经网络620输出的即为待检测脸部关键点坐标602。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种用于训练脸部关键点检测模型的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例的用于训练脸部关键点检测模型的装置700可以包括：样本获取单元701和模型训练单元702。其中，样本获取单元701，被配置成获取训练样本，其中，训练样本包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签；模型训练单元702，被配置成执行以下训练步骤：利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。
在本实施例的一些可选的实现方式中，用于训练脸部关键点检测模型的装置700还包括：继续执行单元(图中未示出)，被配置成响应于确定第一神经网络、第二神经网络和第三神经网络中的至少一个神经网络不收敛，继续执行训练步骤。
在本实施例的一些可选的实现方式中，模型训练单元702包括：样本处理子单元(图中未示出)，被配置成将样本脸部图像归一化和标准化处理为样本四维向量，其中，样本四维向量的四个维度包括训练样本数、样本脸部图像通道数、样本脸部图像高度和样本脸部图像宽度；特征提取子单元(图中未示出)，被配置成将样本四维向量输入至第一神经网络，得到样本脸部特征。
在本实施例的一些可选的实现方式中，第一神经网络包括卷积层、非线性激活层和池化层；第二神经网络包括全连接层和非线性激活层；第三神经网络包括批标准化层、卷积层和非线性激活层。
在本实施例的一些可选的实现方式中，模型训练单元702还包括：第一计算子单元(图中未示出)，被配置成基于样本脸部关键点坐标与样本脸部关键点标签计算第一损失值；第二计算子单元(图中未示出)，被配置成基于样本脸部五官分割结果和样本脸部五官分割标签第二计算损失值；加权求和子单元(图中未示出)，被配置成对第一损失值和第二损失值进行加权求和，得到最终损失值。
在本实施例的一些可选的实现方式中，样本脸部五官分割标签是基于样本脸部关键点标签标注的不同部分联结而成。
在本实施例的一些可选的实现方式中，用于训练脸部关键点检测模型的装置700还包括：图像获取单元(图中未示出)，被配置成获取待检测脸部图像；特征提取单元(图中未示出)，被配置成利用第一神经网络对待检测脸部图像进行特征提取，得到待检测脸部特征；关键点检测单元(图中未示出)，被配置成将待检测脸部特征输入至第二神经网络，得到待检测脸部关键点坐标。
在本实施例的一些可选的实现方式中，特征提取单元进一步被配置成：将待检测脸部图像归一化和标准化处理为待检测四维向量；将待检测四维向量输入至第一神经网络，得到待检测脸部特征。
下面参考图8，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器103)的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括样本获取单元和模型训练单元。其中，这些单元的名称在种情况下并不构成对该单元本身的限定，例如，样本获取单元还可以被描述为“获取训练样本的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取训练样本，其中，训练样本包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签；执行以下训练步骤：利用第一神经网络对样本脸部图像进行特征提取，得到样本脸部特征；将样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于样本脸部关键点标签、样本脸部关键点坐标、样本脸部五官分割标签和样本脸部五官分割结果计算最终损失值；基于最终损失值更新第一神经网络、第二神经网络和第三神经网络的参数；确定第一神经网络、第二神经网络和第三神经网络是否收敛；若均收敛，基于第一神经网络和第二神经网络生成脸部关键点检测模型。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种用于训练脸部关键点检测模型的方法，包括：
获取训练样本，所述训练样本包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签；其中，通过对所述样本脸部关键点进行顺序连接，确定每个部分的边缘轮廓，得到所述样本脸部五官分割标签；
执行以下训练步骤：利用第一神经网络对所述样本脸部图像进行特征提取，得到样本脸部特征；将所述样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；
基于所述样本脸部关键点标签、所述样本脸部关键点坐标、所述样本脸部五官分割标签和所述样本脸部五官分割结果计算最终损失值；基于所述最终损失值更新所述第一神经网络、所述第二神经网络和所述第三神经网络的参数；确定所述第一神经网络、所述第二神经网络和所述第三神经网络是否收敛；若均收敛，基于所述第一神经网络和所述第二神经网络生成脸部关键点检测模型；
其中，所述第二神经网络包括全连接层和非线性激活层，所述第三神经网络包括批标准化层、卷积层和非线性激活层。
2.根据权利要求1所述的方法，其中，所述方法还包括：
响应于确定所述第一神经网络、所述第二神经网络和所述第三神经网络中的至少一个神经网络不收敛，继续执行所述训练步骤。
3.根据权利要求1所述的方法，其中，所述利用第一神经网络对所述样本脸部图像进行特征提取，得到样本脸部特征，包括：
将所述样本脸部图像归一化和标准化处理为样本四维向量，其中，所述样本四维向量的四个维度包括训练样本数、样本脸部图像通道数、样本脸部图像高度和样本脸部图像宽度；
将所述样本四维向量输入至所述第一神经网络，得到所述样本脸部特征。
4.根据权利要求1所述的方法，其中，所述第一神经网络包括卷积层、非线性激活层和池化层；所述第二神经网络包括全连接层和非线性激活层；所述第三神经网络包括批标准化层、卷积层和非线性激活层。
5.根据权利要求1所述的方法，其中，所述基于所述样本脸部关键点标签、所述样本脸部关键点坐标、所述样本脸部五官分割标签和所述样本脸部五官分割结果计算最终损失值，包括：
基于所述样本脸部关键点坐标与所述样本脸部关键点标签计算第一损失值；
基于所述样本脸部五官分割结果和所述样本脸部五官分割标签计算 第二损失值；
对所述第一损失值和所述第二损失值进行加权求和，得到所述最终损失值。
6.根据权利要求1-5之一所述的方法，其中，在所述基于所述第一神经网络和所述第二神经网络生成脸部关键点检测模型之后，还包括：
获取待检测脸部图像；
利用所述第一神经网络对所述待检测脸部图像进行特征提取，得到待检测脸部特征；
将所述待检测脸部特征输入至所述第二神经网络，得到待检测脸部关键点坐标。
7.根据权利要求6所述的方法，其中，所述利用所述第一神经网络对所述待检测脸部图像进行特征提取，得到待检测脸部特征，包括：
将所述待检测脸部图像归一化和标准化处理为待检测四维向量；
将所述待检测四维向量输入至所述第一神经网络，得到所述待检测脸部特征。
8.一种用于训练脸部关键点检测模型的装置，包括：
样本获取单元，被配置成获取训练样本，所述训练样本包括样本脸部图像、样本脸部关键点标签和样本脸部五官分割标签；其中，通过对所述样本脸部关键点进行顺序连接，确定每个部分的边缘轮廓，得到所述样本脸部五官分割标签；
模型训练单元，被配置成执行以下训练步骤：利用第一神经网络对所述样本脸部图像进行特征提取，得到样本脸部特征；将所述样本脸部特征分别输入至第二神经网络和第三神经网络，得到样本脸部关键点坐标和样本脸部五官分割结果；基于所述样本脸部关键点标签、所述样本脸部关键点坐标、所述样本脸部五官分割标签和所述样本脸部五官分割结果计算最终损失值；基于所述最终损失值更新所述第一神经网络、所述第二神经网络和所述第三神经网络的参数；确定所述第一神经网络、所述第二神经网络和所述第三神经网络是否收敛；若均收敛，基于所述第一神经网络和所述第二神经网络生成脸部关键点检测模型；
其中，所述第二神经网络包括全连接层和非线性激活层，所述第三神经网络包括批标准化层、卷积层和非线性激活层。
9.根据权利要求8所述的装置，其中，所述装置还包括：
继续执行单元，被配置成响应于确定所述第一神经网络、所述第二神经网络和所述第三神经网络中的至少一个神经网络不收敛，继续执行所述训练步骤。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201910748135.9A 2019-08-14 2019-08-14 用于训练脸部关键点检测模型的方法和装置 Active CN110443222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910748135.9A CN110443222B (zh) 2019-08-14 2019-08-14 用于训练脸部关键点检测模型的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910748135.9A CN110443222B (zh) 2019-08-14 2019-08-14 用于训练脸部关键点检测模型的方法和装置

Publications (2)

Publication Number Publication Date
CN110443222A CN110443222A (zh) 2019-11-12
CN110443222B true CN110443222B (zh) 2022-09-09

Family

ID=68435267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910748135.9A Active CN110443222B (zh) 2019-08-14 2019-08-14 用于训练脸部关键点检测模型的方法和装置

Country Status (1)

Country Link
CN (1) CN110443222B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110889858A (zh) * 2019-12-03 2020-03-17 中国太平洋保险（集团）股份有限公司 一种基于点回归的汽车部件分割方法及装置
CN113111996A (zh) * 2020-01-10 2021-07-13 北京百度网讯科技有限公司 模型生成方法和装置
CN113139546A (zh) * 2020-01-19 2021-07-20 北京达佳互联信息技术有限公司 图像分割模型的训练方法、图像分割的方法和装置
CN111354079B (zh) * 2020-03-11 2023-05-02 腾讯科技（深圳）有限公司 三维人脸重建网络训练及虚拟人脸形象生成方法和装置
CN113449539A (zh) * 2020-03-24 2021-09-28 顺丰科技有限公司 动物体信息提取模型的训练方法、装置、设备及存储介质
CN111783948A (zh) * 2020-06-24 2020-10-16 北京百度网讯科技有限公司 模型训练方法、装置、电子设备以及存储介质
CN112070227B (zh) * 2020-09-08 2023-08-18 厦门真景科技有限公司 一种神经网络训练方法和装置以及设备
CN112287795B (zh) * 2020-10-22 2023-09-01 北京百度网讯科技有限公司 异常驾驶姿态检测方法、装置、设备、车辆和介质
CN112287855B (zh) * 2020-11-02 2024-05-10 东软睿驰汽车技术（沈阳）有限公司 基于多任务神经网络的驾驶行为检测方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354565A (zh) * 2015-12-23 2016-02-24 北京市商汤科技开发有限公司 基于全卷积网络人脸五官定位与判别的方法及系统
WO2018121690A1 (zh) * 2016-12-29 2018-07-05 北京市商汤科技开发有限公司 对象属性检测、神经网络训练、区域检测方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108427939B (zh) * 2018-03-30 2022-09-23 百度在线网络技术（北京）有限公司 模型生成方法和装置
CN109214343B (zh) * 2018-09-14 2021-03-09 北京字节跳动网络技术有限公司 用于生成人脸关键点检测模型的方法和装置
CN109712144A (zh) * 2018-10-29 2019-05-03 百度在线网络技术（北京）有限公司 面部图像的处理方法、训练方法、设备和存储介质
CN109858445B (zh) * 2019-01-31 2021-06-25 北京字节跳动网络技术有限公司 用于生成模型的方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354565A (zh) * 2015-12-23 2016-02-24 北京市商汤科技开发有限公司 基于全卷积网络人脸五官定位与判别的方法及系统
WO2018121690A1 (zh) * 2016-12-29 2018-07-05 北京市商汤科技开发有限公司 对象属性检测、神经网络训练、区域检测方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于级联卷积神经网络的人脸关键点定位;陈锐等;《四川理工学院学报(自然科学版)》;20170220(第01期);全文 *

Also Published As

Publication number Publication date
CN110443222A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
CN110443222B (zh) 用于训练脸部关键点检测模型的方法和装置
CN108509915B (zh) 人脸识别模型的生成方法和装置
US11487995B2 (en) Method and apparatus for determining image quality
CN108427939B (zh) 模型生成方法和装置
CN108520220B (zh) 模型生成方法和装置
CN108171260B (zh) 一种图片识别方法及系统
CN110349147B (zh) 模型的训练方法、眼底黄斑区病变识别方法、装置及设备
CN109101919B (zh) 用于生成信息的方法和装置
CN108288051B (zh) 行人再识别模型训练方法及装置、电子设备和存储介质
CN107679466B (zh) 信息输出方法和装置
CN108776834B (zh) 系统增强学习方法和装置、电子设备、计算机存储介质
CN110363220B (zh) 行为类别检测方法、装置、电子设备和计算机可读介质
CN111523640A (zh) 神经网络模型的训练方法和装置
CN112132847A (zh) 模型训练方法、图像分割方法、装置、电子设备和介质
CN111723728A (zh) 基于双向交互网络的行人搜索方法、系统、装置
CN110209658B (zh) 数据清洗方法和装置
CN108491812B (zh) 人脸识别模型的生成方法和装置
CN111753746B (zh) 属性识别模型训练方法、识别方法、电子设备、存储介质
CN111507262B (zh) 用于检测活体的方法和装置
CN110163205A (zh) 图像处理方法、装置、介质和计算设备
CN113111804B (zh) 一种人脸检测的方法、装置、电子设备及存储介质
CN111311480A (zh) 图像融合方法和装置
CN111444807A (zh) 目标检测方法、装置、电子设备和计算机可读介质
CN114549557A (zh) 一种人像分割网络训练方法、装置、设备及介质
CN109064464B (zh) 用于检测电池极片毛刺的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant