[发明专利]人脸检测方法及相关装置

说明书

本申请公开了一种人脸检测方法及相关装置，方法包括：根据输入图片和第一卷积集合获得第一特征图；根据第一特征图和第二卷积集合获得第二特征图，以及根据第二特征图和第三卷积集合获得第三特征图；根据第一特征图和第四卷积集合获得N个锚点，N为大于1的整数；根据第一特征图、第二特征图、第三特征图和N个锚点在三个神经网络层中执行人脸检测操作，得到人脸检测结果。采用本申请实施例能够解决在不同的应用场景下检测器需要重新训练的问题，有助于提高人脸检测精度。

技术领域

本申请涉及神经网络技术领域，具体涉及一种人脸检测方法及相关装置。

背景技术

基于深度学习的人脸检测，锚点anchor是一个很重要的参数，anchor使得目标检测能够更加精准的定位和减少计算量。无论是滑动窗口(Sliding Window)还是区域生成网络(Region Proposal Network，RPN)都存在着人为设置超参数的过程。anchor通常是对训练集进行聚类分析得到的。当数据集发生改变，就需要重新聚类生成anchor，并重新训练网络，带来很多不必要的重复性工作。另外，anchor的设置不能很好的覆盖数据集中分布较少的目标尺寸。

发明内容

本申请实施例提供一种人脸检测方法及相关装置，用于解决在不同的应用场景下检测器需要重新训练的问题，有助于提高人脸检测精度。

第一方面，本申请实施例提供一种人脸检测方法，包括：

根据输入图片和第一卷积集合获得第一特征图；

根据第一特征图和第二卷积集合获得第二特征图，以及根据第二特征图和第三卷积集合获得第三特征图；

根据第一特征图和第四卷积集合获得N个锚点，N为大于1的整数；

根据第一特征图、第二特征图、第三特征图和N个锚点在三个神经网络层中执行人脸检测操作，得到人脸检测结果。

在一些可能的实施例中，根据输入图片和第一卷积集合获得第一特征图，包括：

将尺寸大小为M*M的输入图片输入第一卷积集合，M为大于1的整数；

调用预先存储于第一卷积集合中的特征提取算法；

使用特征提取算法对输入图片执行P次下采样和2^P倍降采样操作，得到尺寸大小为(M/2^P)*(M/2^P)*2N的第一特征图，P为大于1的整数。

在一些可能的实施例中，根据第一特征图和第四卷积集合获得N个锚点，包括：

将尺寸大小为(M/2^P)*(M/2^P)*2N的第一特征图输入第四卷积集合；

根据第一特征图和第四卷积集合包括的全局池化层GAP获得2N个数据点；

根据2N个数据点和第四卷积集合包括的预设卷积过滤器获得N个锚点。

在一些可能的实施例中，根据所述第一特征图、所述第二特征图、所述第三特征图和所述N个锚点在三个神经网络层中执行人脸检测操作，得到人脸检测结果，包括：

对所述N个锚点执行划分操作，得到三个锚点集合，所述三个锚点集合中的每个锚点集合均包括(N/3)个锚点；

根据所述第一特征图和所述三个锚点集合中的第1个锚点集合在三个神经网络层中的第1个神经网络层执行人脸检测操作，得到第一部分人脸检测结果；

根据所述第二特征图和所述三个锚点集合中的第2个锚点集合在所述三个神经网络层中的第2个神经网络层执行人脸检测操作，得到第二部分人脸检测结果；