[发明专利]用于生成模型的方法和装置

权利要求书

1.一种用于生成模型的方法，包括：

获取训练样本集，其中，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本人脸关键点信息；

从所述训练样本集中选取训练样本，以及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入初始神经网络的特征提取层，获得图像特征；将所获得的图像特征输入初始神经网络的第一子网络，生成样本人脸图像的人脸关键点信息；将所生成的人脸关键点信息和图像特征输入初始神经网络的第二子网络，获得人脸关键点信息所对应的偏差；基于人脸关键点信息和训练样本中的样本人脸关键点信息，确定所生成的人脸关键点信息所对应的期望偏差；基于人脸关键点信息所对应的偏差和期望偏差，确定初始神经网络是否训练完成；响应于确定训练完成，将训练完成的初始神经网络确定为人脸关键点识别模型。

2.根据权利要求1所述的方法，其中，第二子网络包括第一生成层和第二生成层；以及

所述将所生成的人脸关键点信息和图像特征输入初始神经网络的第二子网络，获得人脸关键点信息所对应的偏差，包括：

将所生成的人脸关键点信息输入第二子网络的第一生成层，获得人脸关键点信息所对应的热点图，其中，热点图的图像区域包括数值集合，对于数值集合中的数值，该数值用于表征人脸关键点位于该数值所在位置的概率；

将所获得的热点图和图像特征输入第二子网络的第二生成层，获得人脸关键点信息所对应的偏差。

3.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定初始神经网络未训练完成，调整初始神经网络中的相关参数，从所述训练样本集中未被选取的训练样本中选取训练样本，以及使用最近一次调整的初始神经网络和最近一次选取的训练样本，继续执行所述训练步骤。

4.一种用于处理人脸图像的方法，包括：

获取目标人脸图像；

将所述目标人脸图像输入采用如权利要求1-3之一所述的方法生成的人脸关键点识别模型中，生成所述目标人脸图像所对应的人脸关键点信息和人脸关键点信息所对应的偏差；

基于所生成的人脸关键点信息和偏差，生成所述目标人脸图像所对应的结果人脸关键点信息。

5.一种用于生成模型的装置，包括：

获取单元，被配置成获取训练样本集，其中，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本人脸关键点信息；

训练单元，被配置成从所述训练样本集中选取训练样本，以及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入初始神经网络的特征提取层，获得图像特征；将所获得的图像特征输入初始神经网络的第一子网络，生成样本人脸图像的人脸关键点信息；将所生成的人脸关键点信息和图像特征输入初始神经网络的第二子网络，获得人脸关键点信息所对应的偏差；基于人脸关键点信息和训练样本中的样本人脸关键点信息，确定所生成的人脸关键点信息所对应的期望偏差；基于人脸关键点信息所对应的偏差和期望偏差，确定初始神经网络是否训练完成；响应于确定训练完成，将训练完成的初始神经网络确定为人脸关键点识别模型。

6.根据权利要求5所述的装置，其中，第二子网络包括第一生成层和第二生成层；以及

所述训练单元进一步被配置成：

将所生成的人脸关键点信息输入第二子网络的第一生成层，获得人脸关键点信息所对应的热点图，其中，热点图的图像区域包括数值集合，对于数值集合中的数值，该数值用于表征人脸关键点位于该数值所在位置的概率；

将所获得的热点图和图像特征输入第二子网络的第二生成层，获得人脸关键点信息所对应的偏差。

7.根据权利要求5所述的装置，其中，所述装置还包括：

调整单元，被配置成响应于确定初始神经网络未训练完成，调整初始神经网络中的相关参数，从所述训练样本集中未被选取的训练样本中选取训练样本，以及使用最近一次调整的初始神经网络和最近一次选取的训练样本，继续执行所述训练步骤。