[发明专利]跨数据集的人脸关键点检测方法

权利要求书

1.跨数据集的人脸关键点检测方法，其特征在于，包括如下步骤：

步骤1、网络重构，针对不同的数据集设计不同的回归头，所述回归头共用网络骨干，并计算出相似点的索引对应关系；

步骤2、随机的选择目标数据集或辅助数据集，取其中的部分数据作为一次迭代，进行网络的前向运算；

步骤3、损失函数除了之前网络的原有约束，利用相似点的索引关系对不同的回归头进行约束，基于损失函数反传参数优化网络模型；

步骤4、测试网络模型，若精度不符合要求，调整目标数据集和辅助数据集的随机比例，返回步骤2；若精度符合要求，进行步骤5；

步骤5、若需要保留多个回归头，固定网络骨干，对特定的回归头进行训练，符合精度要求后，退出；若只保留目标任务，则优化辅助任务的回归头，保留目标回归头，退出。

2.根据权利要求1所述的跨数据集的人脸关键点检测方法，其特征在于，所述网络模型为：

采用基于热图回归的HRNet模型和Mobilenetv2作为直接回归模型，最后一层的通道数取决于数据集中定义的人脸关键点的数量；

其中，所述损失函数为：

其中，表示混合分支的损失，表示主任务的损失，即原模型的损失函数，表示辅助任务的损失，表示相似点之间的误差，其中参数alpha，beta，themga为损失的权重，I_i表示来自于主数据集的一次迭代数据；

式中，α，β，γ为系数；以直接回归的mobilenet-v2使用L1范式；

可将进行展开，如下：

其中代表主数据集和辅助数据的容量，分别代表数据集中定义的关键点数量，P代表预测的坐标值，i、j，m，a，s，m_x，m_y，sm_x，sm_y，a_x，a_y sa_x，sa_y为各层的参数值，V代表真实坐标值。