[发明专利]深度预测模型的训练及人脸深度图像的生成方法、装置

说明书

本发明实施例涉及图像处理领域，公开了一种深度预测模型的训练及人脸深度图像的生成方法、装置，深度预测模型的训练方法，包括：将人脸图像输入预设的深度预测模型，得到深度图像和人脸掩码，所述深度预测模型至少包括人脸深度预测网络分支和人脸掩码预测网络分支；根据所述深度图像和所述人脸掩码确定损失值；根据所述损失值调整所述深度预测模型的训练参数。能够对人脸边缘和背景交界处提供强有力的约束，使得有效缓解深度图像中人脸轮廓附近的深度值连续不准确以及人脸部分和背景部分深度值粘连的问题。

技术领域

本发明实施例涉及图像处理领域，特别涉及一种深度预测模型的训练及人脸深度图像的生成方法、装置。

背景技术

在刷脸支付、虚拟现实/增强现实(Virtual Reality/Augmented Reality，VR/AR)等应用场景下，需要基于采集到的人脸图像进行三维重建或人脸识别。在三维重建或三维人脸识别过程中，如何获取人脸深度信息显得尤为重要。随着神经网络技术的发展，越来越多地考虑基于人脸图像训练人脸图像的深度预测模型，从而利用训练好的深度预测模型对输入的人脸图像进行处理，输出对人脸图像的深度预测结果，即深度图像，进而根据深度图像进行人脸三维重建或三维识别，其中，一种常用的深度预测模型训练方法为：以含有人脸的图像作为编码-解码（Encoder-Decoder）网络的输入，然后将这些图像对应的真实的深度图像作为监督信号，计算Encoder-Decoder网络模型输出的深度图像和真实深度图之间的误差，并根据该误差不断调节Encoder-Decoder网络模型的参数，直到误差缩小到一定阈值以下或当Encoder-Decoder网络模型收敛时，即认为得到训练好的深度预测模型。

然而，通过上述方法训练出来的深度预测模型精度不高，其输出的人脸深度图像中存在人脸轮廓附近的深度值连续不准确以及人脸部分和背景部分深度值粘连的问题。

发明内容

本发明实施例的目的在于提供一种深度预测深度预测模型的训练及人脸深度图像的生成方法、装置，能够对人脸边缘和背景交界处提供强有力的约束，使得有效缓解深度图像中人脸轮廓附近的深度值连续不准确以及人脸部分和背景部分深度值粘连的问题。

为达到上述目的，本发明实施例提供了一种深度预测模型的训练方法，包括：将人脸图像输入预设的深度预测模型，得到深度图像和人脸掩码，所述深度预测模型至少包括人脸深度预测网络分支和人脸掩码预测网络分支；根据所述深度图像和所述人脸掩码确定损失值；根据所述损失值调整所述深度预测模型的训练参数。

为达到上述目的，本发明实施例还提供了一种人脸深度图像的生成方法，包括：获取人脸图像；将所述人脸图像输入深度预测模型并将所述深度预测模型中的深度预测网络分支输出的深度图像作为所述人脸图像对应的人脸深度图像，所述深度预测模型是根据如上所述的深度预测模型的训练方法训练得到的。

为达到上述目的，本发明实施例还提供了一种深度预测模型的训练装置，包括：预测模块，用于将人脸图像输入预设的深度预测模型，得到深度图像和人脸掩码，所述深度预测模型至少包括人脸深度预测网络分支和人脸掩码预测网络分支；损失计算模块，用于根据所述深度图像和所述人脸掩码确定损失值；调整模块，用于根据所述损失值调整所述深度预测模型的训练参数。

为达到上述目的，本发明实施例还提供了一种人脸深度图像的生成装置，包括：获取模块，用于获取人脸图像；生成模块，用于将所述人脸图像输入深度预测模型并将所述深度预测模型中的深度预测网络分支输出的深度图像作为所述人脸图像对应的人脸深度图像，所述深度预测模型是根据如上所述的深度预测模型的训练方法训练得到的。

为达到上述目的，本发明实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的深度预测模型的训练方法，或者，执行如上所述的人脸深度图像的生成方法。