[发明专利]多任务学习深度网络的测试方法、设备及存储介质

权利要求书

1.一种多任务学习深度网络的测试方法，其特征在于，包括：

将待测图像输入二级级联卷积神经网络，输出所述待测图像中包含的第一待测人脸区域；

将所述第一待测人脸区域输入多任务学习深度网络，从所述第一待测人脸区域中选择满足预设条件的第二待测人脸区域，输出对所述第二待测人脸区域进行人脸检测、特征点定位、特征点可见性预测以及性别识别的检测结果。

2.根据权利要求1所述的测试方法，其特征在于，所述将待测图像输入二级级联卷积神经网络，输出所述待测图像中包含的第一待测人脸区域的步骤，包括：

将所述待测图像输入所述二级级联卷积神经网络的第一级神经网络，输出分别标记为人脸区域和非人脸区域的若干个候选检测窗口；

将所述若干个候选检测窗口输入所述二级级联卷积神经网络中的第二级神经网络，通过所述第二级神经网络丢弃所述标记为非人脸区域的候选检测窗口，并对所述标记为人脸区域的候选检测窗口进行边界框回归处理，输出边界框回归处理后的第一候选人脸区域，将所述第一候选人脸区域作为所述第一待测人脸区域。

3.根据权利要求2所述的测试方法，其特征在于，所述将所述待测图像输入所述二级级联卷积神经网络的第一级神经网络，输出分别标记为人脸区域和非人脸区域的若干个候选检测窗口的步骤之后，还包括：

输出边界框回归向量，用于所述第二级神经网络对所述标记为人脸区域的若干个候选检测窗口进行边界框回归处理。

4.根据权利要求1所述的测试方法，其特征在于，在所述输出所述待测图像中包含的第一待测人脸区域的步骤之后，还包括：

将所述第一待测人脸区域中重叠度高于预设重叠度第一待测人脸区域进行合并，得到合并后的最终待测人脸区域；

所述将所述第一待测人脸区域输入多任务学习深度网络中的步骤，包括：

将所述最终待测人脸区域输入多任务学习深度网络中。

5.根据权利要求1所的测试方法，其特征在于，所述二级级联卷积神经网络的第一级神经网络包括级联的第一层卷积层、第二层池化层、第三层卷积层和第四层卷积层；

其中，第一层卷积层和第三层卷积层的卷积核的尺寸为3×3，第四层卷积层的卷积核的尺寸为1×1，第二层池化层的池化核的尺寸为2×2。

6.根据权利要求1所的测试方法，其特征在于，所述二级级联卷积神经网络的第二级神经网络包括级联的第一层卷积层、第二层池化层、第三层卷积层、第四层池化层、第五层卷积层以及全链接层；

其中，所述第一层卷积层和第三层卷积层的卷积核的尺寸为3×3，第五层卷积层的卷积核的尺寸为2×2，第二层池化层和第四层池化层的卷积核的尺寸为3×3。

7.根据权利要求1所述的测试方法，其特征在于，在所述将待测图像输入二级级联卷积神经网络，输出所述待测图像中包含的第一待测人脸区域的步骤之后，还包括：

调整所述第一待测人脸区域的尺寸，将所述第一待测人脸区域的尺寸调整为所述多任务学习深度网络允许的预设人脸区域尺寸。

8.根据权利要求1所述的测试方法，其特征在于，在所述将待测图像输入二级级联卷积神经网络，输出所述待测图像中包含的第一待测人脸区域的步骤之前，还包括：

调整所述待测图像的尺寸，将所述待测图像的尺寸调整为所述二级级联卷积神经网络允许的待测图像的尺寸。

9.一种多任务学习深度网络的测试设备，其特征在于，包括相互连接的存储器、通信电路和处理器；

所述存储器存储有二级级联卷积神经网络、多任务学习深度网络以及程序数据；

所述通信电路用于获取待测图像；

所述处理器用于根据所述程序数据，执行权利要求1-8任意一项所述的测试方法，利用所述二级级联卷积神经网络和多任务学习深度网络对所述待测图像进行人脸检测、特征点定位、特征点可见性预测以及性别识别。

10.一种存储介质，其特征在于，存储有程序数据，所述程序数据能够被执行以实现权利要求1-8任意一项所述的多任务学习深度网络的测试方法。