[发明专利]用于生成模型的方法和装置

说明书

本公开的实施例公开了用于生成模型的方法和装置。该方法的一具体实施方式包括：获取训练样本集；从训练样本集中选取训练样本，执行以下训练步骤：将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；将图像特征输入初始神经网络的第一子网络，生成人脸关键点信息；将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，确定人脸关键点信息的期望偏差；基于偏差和期望偏差，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。该实施方式有助于实现更为准确的人脸关键点检测。

技术领域

本公开的实施例涉及计算机技术领域，尤其涉及用于生成模型的方法和装置。

背景技术

随着人脸识别技术的发展，人脸关键点检测技术也得到了广泛应用，例如用于特效添加、人脸三维模型构建等。

人脸关键点指的是人脸中具有明显语义区分度的点。目前，人脸关键点检测的流程一般为将待检测人脸图像输入一个预先训练的人脸关键点检测模型，获得检测结果。

发明内容

本公开的实施例提出了用于生成模型的方法和装置，以及用于处理人脸图像的方法和装置。

第一方面，本公开实施例提供了一种用于生成模型的方法，该方法包括：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。

在一些实施例中，第二子网络包括第一生成层和第二生成层；以及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。

在一些实施例中，该方法还包括：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，继续执行训练步骤。

第二方面，本公开的实施例提供了一种用于处理人脸图像的方法，该方法包括：获取目标人脸图像；将目标人脸图像输入采用上述第一方面所描述的方法中任一实施例的方法生成的人脸关键点识别模型中，生成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，生成目标人脸图像所对应的结果人脸关键点信息。