[发明专利]人脸面部杂质检测模型的训练方法、人脸面部杂质检测方法

权利要求书

1.一种人脸面部杂质检测模型的训练方法，其特征在于，所述方法包括：

获取训练样本集，所述训练样本集包括人脸图像中面部杂质的面部杂质标注信息以及人脸图像中人脸多个区域的面部杂质严重等级标注信息；

将所述训练样本集输入预设的改进型yolov3模型，输出所述训练样本集中人脸图像的面部杂质预测信息及人脸多个区域的面部杂质严重等级预测信息；

基于预设的多尺度融合反馈损失函数，根据所述训练样本集中人脸图像的面部杂质标注信息、人脸多个区域的面部杂质严重等级标注信息、所述面部杂质预测信息及所述人脸多个区域的面部杂质严重等级预测信息分别计算所述人脸图像的面部杂质损失及人脸多个区域的面部杂质严重等级损失，以得到所述改进型yolov3模型的总损失，所述多尺度融合反馈损失函数为融合了面部杂质损失和面部杂质严重等级的损失函数；

若所述总损失大于预设阈值，则调整所述改进型yolov3模型的参数，将所述训练样本集输入所述改进型yolov3模型继续训练，直至使得所述总损失小于等于所述预设阈值，得到人脸面部杂质检测模型。

2.根据权利要求1所述的方法，其特征在于，所述面部杂质标注信息包括面部杂质标注框信息及面部杂质标注类别信息，所述人脸多个区域的面部杂质严重等级标注信息包括人脸多个区域的面部杂质严重等级标注标签；所述面部杂质预测信息包括面部杂质预测框信息及面部杂质预测类别信息，所述人脸多个区域的面部杂质严重等级预测信息包括人脸多个区域的面部杂质严重等级预测标签；

所述基于预设的多尺度融合反馈函数，根据所述面部杂质标注信息、人脸多个区域的面部杂质严重等级标注信息、所述面部杂质预测信息及所述人脸多个区域的面部杂质严重等级预测信息计算所述人脸图像的面部杂质损失及人脸多个区域的面部杂质严重等级损失，以得到所述改进型yolov3模型的总损失，包括：

基于预设的多尺度融合反馈函数，根据所述面部杂质标注框信息及所述面部杂质预测框信息计算面部杂质预测框的位置偏移损失；

基于预设的多尺度融合反馈函数，根据所述面部杂质标注类别信息及所述面部杂质预测类别信息计算面部杂质分类损失；

基于预设的多尺度融合反馈函数，根据所述面部杂质标注类别信息及所述面部杂质预测类别信息计算面部杂质的置信度损失；

基于预设的多尺度融合反馈函数，根据所述严重等级标注标签及所述严重等级预测标签计算人脸多个区域的面部杂质严重等级标签损失；

根据所述位置偏移损失、所述面部杂质分类损失、所述置信度损失以及所述面部杂质严重等级标签损失，得到所述总损失。

3.根据权利要求2所述的方法，其特征在于，所述多尺度融合反馈损失函数为：

其中，λ_obj为面部杂质预测框的位置偏移权重，α为面部杂质的置信度损失权重，β为面部杂质严重的程度类别权重，T_width和T_height分别为面部杂质标注框的宽度值和高度值，T_r和P_r分别为面部杂质标注框的坐标参数和面部杂质预测框的坐标参数，k为面部杂质预测类别个数，T_class为面部杂质标注类别，P_class为面部杂质预测类别，T_conf为面部杂质标注类别信息的置信度，P_conf为面部杂质预测信息的置信度，T_label为面部杂质严重等级标注标签，P_label为面部杂质严重等级预测标签；(x,y)表示锚点框的位置，w及h分别表示锚点框的宽度值和高度值。