[发明专利]面部检测、图像检测神经网络训练方法、装置和设备

权利要求书

1.一种面部检测方法，其特征在于，所述方法包括：

获取待检测图像；

调用面部检测网络对所述待检测图像进行处理，获得所述面部检测网络中特征提取结构提取的原始特征图；所述原始特征图多于一个且分辨率各不相同；

通过所述面部检测网络的特征增强结构对所述原始特征图进行处理，得到各所述原始特征图相应的增强特征图；

通过所述面部检测网络的检测结构，根据所述增强特征图得到所述待检测图像的面部检测结果；

其中，所述特征增强结构包括特征融合结构和语义预测结构；所述特征融合结构从第一神经网络搜索空间中搜索得到；所述语义预测结构包括多于一个子结构；所述语义预测结构的搜索过程包括：

根据所述面部检测网络的检测目的，确定搜索所述语义预测结构的第二神经网络搜索空间；

构建第一搜索目标函数；

在搜索过程的每次权重优化时，根据所述第一搜索目标函数，确定所述第二神经网络搜索空间中各节点之间各候选的连接操作的权重；

在搜索过程的每次网络参数优化时，基于前一次权重优化确定权重，将节点间权重最大的连接操作保留形成的网络结构作为网络参数优化的网络结构，根据所述第一搜索目标函数优化所述网络结构的网络参数；

交迭所述权重优化和所述网络参数优化，至满足搜索结束条件时结束搜索；

在搜索结束时，保留每个第二神经网络搜索空间中节点之间权重最大的连接操作，得到所述多于一个子结构。

2.根据权利要求1所述的方法，其特征在于，所述特征融合结构为特征金字塔结构；所述特征金字塔结构用于对所述原始特征图进行融合得到相同数量的输出；所述语义预测结构包括的每个子结构分别用于对所述特征金字塔结构的其中一个输出进行增强。

3.根据权利要求1所述的方法，其特征在于，所述特征融合结构为特征金字塔结构；所述特征金字塔结构和所述语义预测结构分别基于不同的神经网络搜索空间独立搜索得到；

所述通过所述面部检测网络的特征增强结构对所述原始特征图进行处理，得到各所述原始特征图相应的增强特征图，包括：

通过所述特征金字塔结构对所述原始特征图进行融合，得到各所述原始特征图各自对应的融合特征图；

通过所述语义预测结构对所述融合特征图进行语义增强，得到各所述融合特征图各自对应的增强特征图。

4.根据权利要求3所述的方法，其特征在于，所述通过所述特征金字塔结构对所述原始特征图进行融合，得到各所述原始特征图各自对应的融合特征图，包括：

将多于一个所述原始特征图共同输入所述特征金字塔结构；

在所述特征金字塔结构中，将每个原始特征图、每个原始特征图的前馈特征图及每个原始特征图的反馈特征图融合，得到每个原始特征图的融合特征图；

其中，每个原始特征图的前馈特征图根据每个原始特征图的上一层原始特征图得到，每个原始特征图的反馈特征图根据每个原始特征图的下一层原始特征图得到，所述原始特征图的顺序依从所述原始特征图提取自的网络层的顺序。

5.根据权利要求2或3所述的方法，其特征在于，所述特征金字塔结构的搜索过程包括以下步骤：

根据所述面部检测网络的检测目的，确定搜索特征金字塔结构的第一神经网络搜索空间；所述第一神经网络搜索空间中包括多于一个节点；所述节点之间的连接方式包括自下而上连接、自上而下连接以及跳跃连接；

构建第二搜索目标函数，并基于所述第二搜索目标函数在所述第一神经网络搜索空间中搜索确定各所述节点之间候选的连接操作的权重；

在搜索结束时，保留节点之间权重最大的连接操作，得到特征金字塔结构。

6.根据权利要求3所述的方法，其特征在于，所述语义预测结构包括与各所述融合特征图各自对应的子结构；

所述通过所述语义预测结构对所述融合特征图进行语义增强，得到各所述融合特征图各自对应的增强特征图，包括：

将各所述融合特征图分别输入各自对应的子结构；

在每个所述子结构中，对于输入所述子结构的融合特征图进行处理，得到输入所述子结构的融合特征图所对应的增强特征图。