[发明专利]一种训练皱纹检测模型的方法、电子设备及存储介质

权利要求书

1.一种训练皱纹检测模型的方法，其特征在于，包括：

获取包括人脸的图像样本；

根据所述图像样本，截取人脸区域图像，所述人脸区域图像标注有第一标签，其中，所述第一标签包括所述图像样本中的皱纹的皱纹位置和皱纹类别；

将标注有所述第一标签的人脸区域图像作为训练样本，对预设卷积神经网络进行预训练，以获取初始皱纹检测模型，其中，所述预设卷积神经网络配置有初始损失函数，所述初始损失函数为类别损失函数和位置损失函数的加权和；

调整所述类别损失函数的第一权重和所述位置损失函数的第二权重，以获取目标损失函数；

根据所述目标损失函数和所述训练样本，对所述初始皱纹检测模型进行训练，以获取皱纹检测模型。

2.根据权利要求1所述的方法，其特征在于，所述皱纹类别为第一子类别和第二子类别的组合，所述第一子类别用于反馈所述皱纹的类型，所述第二子类别用于反馈所述皱纹的严重程度；

所述调整所述类别损失函数的第一权重和所述位置损失函数的第二权重，包括：

根据所述第二子类别的个数，调整所述第一权重和所述第二权重。

3.根据权利要求2所述的方法，其特征在于，在所述初始损失函数中，所述第一权重和所述第二权重之间的比例为1:1。

4.根据权利要求2或3所述的方法，其特征在于，一个所述皱纹位置对应一个所述皱纹类别，所述皱纹类别的总数量等于所述第一子类别的数量与所述第二子类别的数量之积，所述第一子类别的数量为至少一个，所述第二子类别的数量为至少两个；

所述根据所述第二子类别的个数，调整所述第一权重和所述第二权重，包括：

减小所述第一权重和所述第二权重之间的比例。

5.根据权利要求1所述的方法，其特征在于，所述初始皱纹检测模型包括特征卷积层和检测卷积层；

所述根据所述目标损失函数和所述训练样本，对所述初始皱纹检测模型进行训练，获取皱纹检测模型，包括：

将所述训练样本输入至所述特征卷积层进行卷积特征处理，以获取至少两种尺寸的训练特征图；

将所述至少两种尺寸的训练特征图输入至所述检测卷积层，以获取所述训练样本的预测标签；

根据目标损失函数计算所述预测标签与所述第一标签之间的误差；

根据所述误差，调整所述初始皱纹检测模型的初始模型参数，得到所述皱纹检测模型，其中，所述初始模型参数为所述特征卷积层的卷积核参数。

6.根据权利要求5所述的方法，其特征在于，所述特征卷积层包括顺序排列的第一卷积层组、第二卷积层组和第三卷积层组；

所述第一卷积层组包括第一卷积层，所述第一卷积层的深度为第一深度；

所述第二卷积层组包括至少两个第二卷积层，所述第二卷积层的深度为所述第一深度的预设倍数；

所述第三卷积层组包括至少两对卷积层对，所述至少两对卷积层依次排列，每对所述卷积层对包括顺序排列的第三卷积层和第四卷积层，所述第三卷积层的深度为所述第一深度，所述第四卷积层的深度大于任一所述第二卷积层的深度；

所述第二卷积层、所述第三卷积层和所述第四卷积层的卷积核尺寸均大于所述第一卷积层的卷积核尺寸。

7.一种检测皱纹的方法，其特征在于，包括：

获取待测人脸图像；

利用如权利要求1-6任一项所述的皱纹检测模型检测所述待测人脸图像，获取所述待测人脸图像中的皱纹的皱纹位置和皱纹类别。