[发明专利]一种人脸检测质量评分方法及系统

权利要求书

1.一种人脸检测质量评分方法，其特征在于，包括以下步骤：

S1、获取人脸图像及其对应的标注数据，构造形式为人脸-人脸标注的成对数据集；

S2、构造人脸检测网络D，将步骤S1构造的成对数据集分批次输入到人脸检测网络D中进行训练，每批次的大小为B；

S3、构造智能体RLQAgent，智能体RLQAgent的输入是状态s；

S4、构造训练过程中自动调整奖惩力度的奖励函数R(s,a)；并与步骤S2的人脸检测网络D组合成环境生成器Env，Env产生状态s，将状态s输入到步骤S3构造的智能体RLQAgent中，得到决策动作a；根据状态s和决策动作a得到奖励值R；

S5、构造经验回放池ReplayBuffer，对步骤S4得到的数据[s,a,R,s′]进行缓存，s′为下一时刻环境Env产生的状态；

S6、构造目标Q网络Q_target和实时Q网络Q_real，将目标Q网络Q_target作为参考的智能体RLQAgent，用于输出累计奖励值的期望；将实时Q网络Q_real作为实时训练的智能体RLQAgent，使用步骤S5构造的经验回放池ReplayBuffer对实时Q网络Q_real进行训练，得到实时Q网络Q_real的网络权重Θ，具体为：

S601、重置环境Env，得到初始的状态s₀；

S602、随机初始化经验回放池ReplayBuffer，得到[s,a,R,s′]数据，[s,a,R,s′]数据中的s为步骤S601中得到的初始状态s₀；

S603、从经验回放池ReplayBuffer中获取64个样本；

S604、使用步骤S603中得到的64个样本训练实时Q网络Q_real并计算损失值，并增加正则项部分对模型进行约束，通过批随机梯度下降的方法更新实时Q网络Q_real中的网络权重Θ，损失值L(Θ)计算如下：

其中，为累计奖励期望值，L(Θ)为损失值；λ为正则项系数，Θ为实时Q网络Q_real的权重；

S605、将实时Q网络Q_real与环境Env交互，并将产生新的[s,a,R,s′]的记录存放到经验回放池ReplayBuffer；

S606、重复步骤S605，直到达到512次；

S607、根据更新频率判断是否需要更新目标Q网络Q_target，如果需要更新，转到步骤S608，否则，转到步骤S609；

S608、将智能体Q_real的权重Θ拷贝到目标Q网络Q_target中；

S609、重复步骤S603～步骤S608，直到200次数，并输出实时Q网络Q_real中的权重Θ；

S7、使用步骤S6得到的网络权重Θ初始化智能体RLQAgent，并与步骤S2的人脸检测网络D进行组合，实现在检测到人脸F的同时完成对人脸F的质量评分。

2.根据权利要求1所述的方法，其特征在于，步骤S2中，构造人脸检测网络D具体为：

S201、构造骨干网络Resnet50，产生3种不同尺度的特征T₁，T₂，T₃；

S202、构造包括第一上采样层U₁、第二上采样层U₂、第三上采样层U₃的特征金字塔网络FPN，得到中间特征T₁，T₂，T₃；

S203、构造包括第一3×3卷积层、第一5×5卷积层、第二5×5卷积层、第一7×7卷积层和第二7×7卷积层的上下文信息模块SSH，得到最终特征F₁，F₂，F₃；

S204、构造BoxHead、LandMarkHead、Classification；产生最终的人脸位置、人脸关键点和是否为人脸的概率。