神经网络训练方法、人脸检测方法及人脸检测装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107977628A(43)申请公布日2018.05.01(21)申请号201711257555.4G06N3/08(2006.01)(22)申请日2017.12.01(71)申请人北京旷视科技有限公司地址100000北京市海淀区科学院南路2号A座313申请人北京迈格威科技有限公司(72)发明人袁野俞刚(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人宋南(51)Int.Cl.G06K9/00(2006.01)G06K9/32(2006.01)G06K9/72(2006.01)G06N3/04(2006.01)权利要求书3页说明书12页附图5页(54)发明名称神经网络训练方法、人脸检测方法及人脸检测装置(57)摘要本发明提供了一种神经网络训练方法、人脸检测方法及人脸检测装置，涉及图像处理技术领域，以缓解现有技术中存在的上下文信息的定义误差较大，影响人脸检测精度的问题，能够结合人脸检测自身特征进行自适应的定义上下文信息，减少了人为先验对上下文定义的偏差，提高了对人脸检测精度。该神经网络训练方法，包括：对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域；利用神经网络对人脸初步区域进行上下文信息估计，获得人脸上下文区域；通过池化算子对人脸上下文区域的坐标求导，更新人脸上下文区域；根据更新后的人脸上下文区域，对神经网络进行反传损失，更新神经网络的参数。CN107977628ACN107977628A权利要求书1/3页1.一种神经网络训练方法，其特征在于，所述神经网络用于人脸检测；所述方法包括：对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域；对所述人脸初步区域进行上下文信息估计，获得人脸上下文区域；通过池化算子对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域；根据更新后的所述人脸上下文区域，对所述神经网络进行反传损失，更新所述神经网络的参数。2.根据权利要求1所述的方法，其特征在于，所述通过池化算子对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域，具体包括：利用符号函数对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域。3.根据权利要求2所述的方法，其特征在于，所述利用符号函数对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域，具体包括：所述人脸上下文区域的坐标为通过以下算式对所述人脸上下文区域的坐标进行求导，更新所述人脸上下文区域的坐标：其中，F为特征图，u和v分别为特征图的任意一点的横坐标和纵坐标，Froi为人脸上下文区域，u’和v’分别为人脸上下文区域的任意一点的横坐标和纵坐标，x和y分别为人脸上下文区域左上角的横坐标和纵坐标，w和h分别为人脸上下文区域的宽度和长度，w’和h’分别为池化算子的池化区的宽度和长度，κ(·)＝max(0,1-|·|)。4.根据权利要求1所述的方法，其特征在于，在对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域之前，还包括：对人脸图像进行卷积处理及池化处理，获得人脸图像的特征图。5.一种人脸检测方法，其特征在于，包括：对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域；利用神经网络对所述人脸初步区域进行上下文信息估计，获得人脸上下文区域；2CN107977628A权利要求书2/3页通过池化算子对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域。6.根据权利要求5所述的方法，其特征在于，所述通过池化算子对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域，具体包括：利用符号函数对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域。7.根据权利要求6所述的方法，其特征在于，所述利用符号函数对所述人脸上下文区域的坐标求导，更新所述人脸上下文区域，具体包括：所述人脸上下文区域的坐标为通过以下算式对所述人脸上下文区域的坐标进行求导，更新所述人脸上下文区域的坐标：其中，F为特征图，u和v分别为特征图的任意一点的横坐标和纵坐标，Froi为人脸上下文区域，u’和v’分别为人脸上下文区域的任意一点的横坐标和纵坐标，x和y分别为人脸上下文区域左上角的横坐标和纵坐标，w和h分别为人脸上下文区域的宽度和长度，w’和h’分别为池化算子的池化区的宽度和长度，κ(·)＝max(0,1-|·|)。8.根据权利要求5所述的方法，其特征在于，还包括：对更新所述人脸上下文区域进行人脸检测，获得最终人脸区域。9.根据权利要求5所述的方法，其特征在于，在对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域之前，还包括：对人脸图像进行卷积处理及池化处理，获得人脸图像的特征图。10.一种人脸检测装置，其特征在于，包括：处理模块，用于对人脸图像的特征图进行感兴趣区域处理，获得人脸初步区域；估计模