【技术实现步骤摘要】
本申请涉及计算机，更具体地，涉及一种模型生成方法、人脸关键点检测方法、装置以及电子设备。
技术介绍
1、随着人工智能技术的不断发展，人脸关键点检测开始成为越来越受到关注，人脸关键点检测技术可以检测出预先设定好的人脸特征点的位置，人脸特征点可以包括人脸、眼睛、鼻子、嘴巴、眉毛等，基于检测到的人脸特征点的位置可以进一步进行美颜、美妆、人脸重建、人脸识别等任务。在相关方式中，可采用卷积神经网络(convolutional neuralnetwork，cnn)来提取人脸图像中的特征，然后基于提取的特征，利用坐标回归或者热图回归的编码形式获取关键点信息。但在相关方式中，人脸关键点检测的准确率还有待提高。
技术实现思路
1、鉴于上述问题，本申请提出了一种模型生成方法、人脸关键点检测方法、装置以及电子设备，以实现改善上述问题。
2、第一方面，本申请提供了一种模型生成方法，所述方法包括：获取训练数据集，所述训练数据集包括多张大姿态人脸图像和多张小姿态人脸图像，所述多张大姿态人脸图像的数量与所述多张小姿态人脸图像的数量的差值在预设范围内；基于所述训练数据集对待训练人脸关键点检测模型进行训练，以将收敛的待训练人脸关键点检测模型作为所述目标人脸关键点检测模型。
3、第二方面，本申请提供了一种人脸关键点检测方法，所述方法包括：获取待检测人脸图像；将所述待检测人脸图像输入基于权利要求1-8任一所述方法得到的目标人脸关键点检测模型中，得到所述待检测人脸图像的人脸关键点检测结果。
...【技术保护点】
1.一种模型生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多张大姿态人脸图像和多张小姿态人脸图像各自对应有真实关键点坐标，所述待训练人脸关键点检测模型包括浅层特征提取网络、图像分割网络、层次特征提取网络、特征融合网络和全连接网络，基于所述训练数据集对待训练人脸关键点检测模型进行训练，以将收敛的待训练人脸关键点检测模型作为目标人脸关键点检测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述多个层次特征包括第一层次特征和第二层次特征，所述层次特征提取网络包括第一层次特征提取网络和第二层次特征提取网络，所述将所述多个局部特征输入所述层次特征提取网络，得到多个层次特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一层次特征提取网络包括第一参考特征提取网络、第二参考特征提取网络和第三参考特征提取网络，所述将所述多个局部特征输入所述第一层次特征提取网络，得到所述第一层次特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述第一参考特征提取网络包括第一嵌入转换模块和第二嵌入转换模块
6.根据权利要求5所述的方法，其特征在于，所述第一嵌入转换模块包括局部位置嵌入模块和转换模块，所述将所述多个局部特征输入所述第一嵌入转换模块，得到第一转换特征，包括：
7.根据权利要求4所述的方法，其特征在于，所述第二层次特征提取网络、所述第二参考特征提取网络和所述第三参考特征提取网络各自包括多个局部合并转换模块，每个所述局部合并转换模块包括局部合并模块和转换模块，所述局部合并模块用于降低对应的特征的分辨率和增加对应的特征的通道数量，所述转换模块用于基于线性注意力机制输出对应的特征。
8.根据权利要求3所述的方法，其特征在于，所述特征融合网络包括特征语义增强模块和连接模块，所述将所述多个层次特征输入所述特征融合网络，得到融合特征，包括：
9.根据权利要求2所述的方法，其特征在于，所述损失函数包括第一损失函数和所述第二损失函数，所述预测关键点坐标包括所述当次训练过程的多张人脸图像的预测关键点坐标和所述当次训练过程的多张扩充图像的预测关键点坐标，所述基于所述预测关键点坐标、所述真实关键点坐标和损失函数对当次训练过程的浅层特征提取网络、图像分割网络、层次特征提取网络、特征融合网络和全连接网络进行训练，在当次训练过程结束后进入下一次训练过程，以基于多次训练过程得到目标人脸关键点检测模型，包括：
10.一种人脸关键点检测方法，其特征在于，所述方法包括：
11.一种模型生成装置，其特征在于，所述装置包括：
12.一种人脸关键点检测装置，其特征在于，所述装置包括：
13.一种电子设备，其特征在于，包括一个或多个处理器以及存储器；
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行权利要求1-10任一所述的方法。
...【技术特征摘要】
1.一种模型生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多张大姿态人脸图像和多张小姿态人脸图像各自对应有真实关键点坐标，所述待训练人脸关键点检测模型包括浅层特征提取网络、图像分割网络、层次特征提取网络、特征融合网络和全连接网络，基于所述训练数据集对待训练人脸关键点检测模型进行训练，以将收敛的待训练人脸关键点检测模型作为目标人脸关键点检测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述多个层次特征包括第一层次特征和第二层次特征，所述层次特征提取网络包括第一层次特征提取网络和第二层次特征提取网络，所述将所述多个局部特征输入所述层次特征提取网络，得到多个层次特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一层次特征提取网络包括第一参考特征提取网络、第二参考特征提取网络和第三参考特征提取网络，所述将所述多个局部特征输入所述第一层次特征提取网络，得到所述第一层次特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述第一参考特征提取网络包括第一嵌入转换模块和第二嵌入转换模块，所述第一嵌入转换模块的网络结构与所述第二嵌入转换模块相同，所述将所述多个局部特征输入所述第一参考特征提取网络，得到第一层次参考特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述第一嵌入转换模块包括局部位置嵌入模块和转换模块，所述将所述多个局部特征输入所述第一嵌入转换模块，得到第一转换特征，包括：
7.根据权利要求4所述的方法，其特征...
【专利技术属性】
技术研发人员：夏瀚笙，
申请(专利权)人：上海瑾盛通信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。