一种人脸检测方法、装置及电子设备制造方法及图纸

本申请适用于人工智能技术领域，提供了一种人脸检测方法、装置及电子设备，其中，方法包括：对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；其中，所述通过优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。由于PFLD网络具有精度高速度快的特点，注意力机制能自动增大重要特征的权重而减少不相关以及不重要特征的权重提高网络性能，因此基于PFLD网络构建且加入注意力机制的多任务检测网络进行人脸检测，可在多任务检测下提高检测效率和检测精度。效率和检测精度。效率和检测精度。

【技术实现步骤摘要】
一种人脸检测方法、装置及电子设备


[0001]本申请属于人工智能
，尤其涉及一种人脸检测方法、装置及电子设备。

技术介绍

[0002]随着人工智能技术的快速发展，各种人工智能产品顺应而生，可基于神经网络技术对人脸进行检测，得到人脸检测结果。目前基于神经网络技术的人脸检测算法的检测效率低且检测精度不高。

技术实现思路

[0003]本申请实施例提供了一种人脸检测方法、装置及电子设备，旨在解决现有对人脸的检测效率低且检测精度不高的问题。
[0004]第一方面，本申请实施例提供了一种人脸检测方法，包括：对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；
[0005]根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；
[0006]其中，所述优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。
[0007]在一个实施例中，所述优化后的多任务人脸检测网络包括第一卷积层、第二卷积层、第一瓶颈层、第二瓶颈层、第三瓶颈层和第四瓶颈层。
[0008]在一个实施例中，所述第一瓶颈层中包括第一注意力机制，所述第三瓶颈层中包括第二注意力机制。
[0009]在一个实施例中，所述第一注意力机制包括垂直注意力网络和水平注意力网络，所述第二注意力机制包括垂直注意力网络和水平注意力网络。
[0010]在一个实施例中，所述第一注意力机制包括的池化层参数与所述第一瓶颈层中的特征图大小对应，所述第二注意力机制包括的池化层参数与所述第三瓶颈层中的特征图大小对应。
[0011]在一个实施例中，所述优化后的多任务人脸检测网络包括对人脸姿态、人脸关键点、人脸质量、年龄、性别、微笑、眼镜、口罩、颜值中至少两个属性进行检测。
[0012]在一个实施例中，所述优化后的多任务人脸检测网络为已训练完成的网络，所述优化后的多任务人脸检测网络的训练步骤包括：
[0013]获取包括人脸的图像数据集，从多个属性对所述图像数据集添加对应的标注，每个属性对应一个任务；
[0014]根据标注后的图像数据集，对所述基于PFLD网络构建且加入预设注意力机制的多任务检测网络进行训练，直至预设损失函数收敛为止，得到所述优化后的多任务人脸检测网络。
[0015]在一个实施例中，所述预设损失函数的损失值为所有任务分支的目标损失值之和，每个任务的目标损失值为每个任务分支的损失值与对应权重因子之积。
[0016]第二方面，本申请实施例提供了一种人脸检测装置，包括：
[0017]检测模块，用于对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；
[0018]输出模块，用于根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；
[0019]其中，所述优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。
[0020]第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人脸检测方法的步骤。
[0021]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述人脸检测方法的步骤。
[0022]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述人脸检测方法的步骤。
[0023]本申请实施例与现有技术相比存在的有益效果是：本申请实施例对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；其中，所述通过优化后的多任务人脸检测网络为基于PFLD(Practical Facial Landmark Detector)网络构建且加入注意力机制的多任务检测网络。由于PFLD网络具有精度高速度快的特点，注意力机制能自动增大重要特征的权重而减少不相关以及不重要特征的权重提高网络性能，因此基于PFLD网络构建且加入注意力机制的多任务检测网络进行人脸检测，可在多任务检测下提高检测效率和检测精度。
[0024]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0025]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1是本申请一实施例提供的人脸检测方法的流程示意图；
[0027]图2是本申请一实施例提供的注意力机制的结构示意图；
[0028]图3是本申请一实施例提供的优化后的多任务人脸检测网络的结构示意图；
[0029]图4是本申请一实施例提供的网络训练的流程示意图；
[0030]图5是本申请一实施例提供的人脸检测装置的结构示意图；
[0031]图6是本申请一实施例提供的电子设备的结构示意图。
具体实施方式
[0032]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具
体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0033]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0034]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0035]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0036]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0037]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；其中，所述优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。2.根据权利要求1所述的人脸检测方法，其特征在于，所述优化后的多任务人脸检测网络包括第一卷积层、第二卷积层、第一瓶颈层、第二瓶颈层、第三瓶颈层和第四瓶颈层。3.根据权利要求2所述的人脸检测方法，其特征在于，所述第一瓶颈层中包括第一注意力机制，所述第三瓶颈层中包括第二注意力机制。4.根据权利要求3所述的人脸检测方法，其特征在于，所述第一注意力机制包括垂直注意力网络和水平注意力网络，所述第二注意力机制包括垂直注意力网络和水平注意力网络。5.根据权利要求3所述的人脸检测方法，其特征在于，所述第一注意力机制包括的池化层参数与所述第一瓶颈层中的特征图大小对应，所述第二注意力机制包括的池化层参数与所述第三瓶颈层中的特征图大小对应。6.根据权利要求1所述的人脸检测方法，其特征在于，所述优化后的多任务人脸检测网络包括对人脸姿态、人脸关键点、人脸质量、年龄、性别、微笑、眼镜、口罩、颜值中至少两个属性进行...

【专利技术属性】
技术研发人员：王涵柳，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：