[发明专利]用于生成人脸关键点检测模型的方法和装置

说明书

本申请实施例公开了用于生成人脸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：获取样本集；将该样本集中的人脸图像输入至预先训练的第一人脸关键点检测模型，得到所输入的人脸图像的人脸关键点检测结果；利用机器学习方法，将样本集中的人脸图像作为输入，将所输入的人脸图像的人脸关键点检测结果作为输出，训练得到第二人脸关键点检测模型。该实施方式能够得到一种用于检测人脸关键点的模型，且该方法丰富了模型的生成方式。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成人脸关键点检测模型的方法和装置。

背景技术

人脸关键点是对于图像中人脸五官与轮廓定位的标注，主要用来对人脸的关键位置，如脸廓、眉毛、眼睛、嘴唇进行定位。人脸关键点检测是人脸识别过程中重要的一步，同时这项技术在现实中也有极其广泛的应用空间：如表情识别、人脸动画合成等。尤其是最近几年被大家所熟知熟用的直播、美颜、特效相机等互联网应用产品的爆火也得益于人脸关键点相关技术水平的提升。

相关的方式，通常是直接使用样本集中的样本和人工标注，训练用于对人脸关键点进行检测的模型。

发明内容

本申请实施例提出了用于生成人脸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生成人脸关键点检测模型的方法，该方法包括：获取样本集，其中，样本集中的样本包括人脸图像；将样本集中的人脸图像输入至预先训练的第一人脸关键点检测模型，得到所输入的人脸图像的人脸关键点检测结果；利用机器学习方法，将样本集中的人脸图像作为输入，将所输入的人脸图像的人脸关键点检测结果作为输出，训练得到第二人脸关键点检测模型。

在一些实施例中，样本集中的样本还包括人脸图像中的人脸关键点的标注信息；以及在得到所输入的人脸图像的人脸关键点检测结果之后，该方法还包括：对于样本集中的样本，将该样本中的人脸图像的人脸关键点检测结果与该样本中的标注信息进行相似度计算；删除样本集中相似度计算结果小于预设数值的样本，以对样本集进行更新。

在一些实施例中，利用机器学习方法，将样本集中的人脸图像作为输入，将所输入的人脸图像的人脸关键点检测结果作为输出，训练得到第二人脸关键点检测模型，包括：从更新后的样本集中提取样本，执行如下训练步骤：将所提取的样本中的人脸图像输入至第二卷积神经网络，得到第二卷积神经网络输出的信息；将第二卷积神经网络输出的信息与输入的人脸图像的人脸关键点检测结果输入至预先建立的损失函数，得到所提取的样本的损失值；基于损失值与目标值的比较，确定第二卷积神经网络是否训练完成；响应于确定第二卷积神经网络训练完成，将训练后的第二卷积神经网络确定为第二人脸关键点检测模型。

在一些实施例中，利用机器学习方法，将样本集中的人脸图像作为输入，将所输入的人脸图像的人脸关键点检测结果作为输出，训练得到第二人脸关键点检测模型，还包括：响应于确定第二卷积神经网络未训练完成，基于损失值，更新第二卷积神经网络中的参数，从样本集中重新提取样本，使用更新参数后的第二卷积神经网络作为第二卷积神经网络，继续执行训练步骤。

在一些实施例中，第一人脸关键点检测模型通过如下步骤训练得到：将目标样本集中的人脸图像作为第一卷积神经网络的输入，将所输入的人脸图像中的人脸关键点的标注信息作为第一卷积神经网络的输出，利用机器学习方法对第一卷积神经网络进行训练，将训练后的卷积神经网络确定为第一人脸关键点检测模型。

在一些实施例中，第二人脸关键点检测模型的模型结构的复杂度小于第一人脸关键点检测模型的模型结构的复杂度。