[发明专利]神经网络的训练方法、人脸识别方法及装置

权利要求书

1.一种神经网络的训练方法，其特征在于，包括：

采用包含人脸数据的训练数据集对第一神经网络进行训练，得到初级的第一神经网络；

将所述训练数据集输入到初级的所述第一神经网络中，输出人脸检测框的至少两个候选区域的位置信息；所述训练数据集包括人脸数据、背景数据以及人脸的位置信息；

基于训练数据集中的人脸检测框的位置信息与所述候选区域的位置信息，确定所述候选区域的得分；

将得分高于设定分数的候选区域作为目标候选区域，并基于所述目标候选区域的位置信息获取所述目标候选区域内的训练数据，并采用所述训练数据对第二神经网络进行训练，得到初级的第二神经网络；所述第一神经网络和所述第二神经网络共享卷积层；

从初级的所述第二神经网络的网络参数中，获取初级的所述第二神经网络卷积层的权值；

基于初级的所述第二神经网络卷积层的权值更新初级的所述第一神经网络卷积层的权值；所述基于初级的所述第二神经网络卷积层的权值更新初级的所述第一神经网络卷积层的权值，包括：将初级的第一神经网络卷积层的权值更改为与初级的第二神经网络卷积层的权值相同；

当初级的所述第一神经网络卷积层的权值不变时，通过训练数据集对初级的所述第一神经网络进行训练，以重新调整初级的所述第一神经网络其他层的权值，得到高级的第一神经网络。

2.根据权利要求1所述的方法，其特征在于，所述采用包含人脸数据的训练数据集对第一神经网络进行训练，得到初级的第一神经网络，包括：

将包含人脸数据的训练数据集输入到第一神经网络中，生成人脸检测框的至少两个候选区域位置信息；

确定所述训练数据集中人脸的位置信息与所述候选区域的位置信息之间的第一损失信息；

基于所述第一损失信息调整所述第一神经网络的网络参数，得到初级的第一神经网络；

相应的，所述将所述训练数据集输入到初级的所述第一神经网络中，输出人脸检测框的至少两个候选区域的位置信息，包括：

将所述训练数据集输入到初级的第一神经网络中，更新所述候选区域的位置信息；

相应的，所述基于训练数据集中的人脸检测框的位置信息与所述候选区域的位置信息，确定所述候选区域的得分，包括：

基于训练数据集中的人脸检测框的位置信息与更新的所述候选区域的位置信息，确定更新的所述候选区域的得分；

相应的，所述将得分高于设定分数的候选区域作为目标候选区域，基于所述目标候选区域的位置信息获取所述目标候选区域内的训练数据，并采用所述训练数据对第二神经网络进行训练，得到初级的第二神经网络，包括：

将得分高于所述设定分数、且更新的候选区域作为目标候选区域；并基于所述目标候选区域的位置信息获取所述目标候选区域内的训练数据，并将所述训练数据输入到第二神经网络中，生成人脸检测框的位置信息；

确定所述训练数据集中的人脸的位置信息与所述检测框的位置信息之间的第二损失信息；

基于所述第二损失信息调整所述第二神经网络的网络参数，得到初级的第二神经网络。

3.根据权利要求1所述的方法，其特征在于，还包括：

通过高级的所述第一神经网络对所述训练数据集进行处理，重新更新所述候选区域的位置信息；

基于所述训练数据集中的人脸检测框的位置信息与重新更新的所述候选区域的位置信息，确定重新更新的所述候选区域的得分；

当初级的所述第二神经网络卷积层的权值不变时，将得分高于所述设定分数，且重新更新的候选区域作为目标候选区域，基于所述目标候选区域的位置信息获取所述目标候选区域内的目标训练数据；

基于所述目标训练数据调整初级的所述第二神经网络的网络参数，得到高级的第二神经网络。

4.一种人脸识别方法，其特征在于，包括：

通过摄像头获取人体图像，并通过目标神经网络输出人脸检测框的位置信息；其中，目标神经网络由如权利要求1-3任一所述方法训练的第一神经网络和如权利要求1-3任一所述方法训练的第二神经网络形成；

将所述位置信息对应的人脸检测框内的图像输入到第三神经网络中，并通过所述第三神经网络的特征层生成人脸特征数据，其中，所述第三神经网络是根据人脸数据集调整后的神经网络；

将所述人脸特征数据发送到服务器以进行人脸识别。