[发明专利]一种笑脸检测的方法、装置、电子设备及存储介质

权利要求书

1.一种笑脸检测的方法，其特征在于，所述方法包括：

获取待检测人脸图像；

利用训练好的目标神经网络对所述待检测人脸图像进行目标特征提取，得到多个通道的笑脸特征信息以及对应每个通道的注意力权重信息；

基于所述多个通道的笑脸特征信息以及对应每个通道的注意力权重信息，得到针对所述待检测人脸图像的笑脸检测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个通道的笑脸特征信息以及对应每个通道的注意力权重信息，得到针对所述待检测人脸图像的笑脸检测结果，包括：

基于所述多个通道的笑脸特征信息进行特征压缩，得到通道数小于压缩前通道数的特征压缩后的笑脸特征信息；

基于所述特征压缩后的笑脸特征信息进行特征扩展，得到通道数等于压缩前通道数的特征扩展后的笑脸特征信息；

基于所述特征扩展后的笑脸特征信息以及对应每个通道的注意力权重信息，确定针对所述待检测人脸图像的笑脸检测结果。

3.根据权利要求1或2所述的方法，其特征在于，所述目标神经网络包括用于执行笑脸检测任务的任务层；所述基于所述多个通道的笑脸特征信息以及对应每个通道的注意力权重信息，得到针对所述待检测人脸图像的笑脸检测结果，包括：

基于所述多个通道的笑脸特征信息以及对应每个通道的注意力权重信息之间的加权求和，确定加权求和后的笑脸特征信息；

将所述加权求和后的笑脸特征信息输入到所述目标神经网络包括的任务层，得到所述任务层输出的所述笑脸检测结果。

4.根据权利要求1至3任一所述的方法，其特征在于，按照如下步骤训练所述目标神经网络：

获取人脸图像样本以及针对所述人脸图像样本的笑脸标注结果，其中，所述笑脸标注结果用于指示对应人脸图像样本中的人脸是否为具有情绪风格的笑脸；

将所述人脸图像样本作为待训练的目标神经网络的输入数据，将针对所述人脸图像样本的笑脸标注结果作为所述待训练的目标神经网络的输出结果的监督数据，对所述待训练的目标神经网络进行至少一轮网络训练，得到训练好的目标神经网络。

5.根据权利要求4所述的方法，其特征在于，所述目标神经网络包括特征提取层、注意力层、以及任务层；所述将所述人脸图像样本作为待训练的目标神经网络的输入数据，将针对所述人脸图像样本的笑脸标注结果作为所述待训练的目标神经网络的输出结果的监督数据，对所述待训练的目标神经网络进行至少一轮网络训练，包括：

将所述人脸图像样本输入到所述目标神经网络包括的特征提取层，得到所述特征提取层输出的多个通道的笑脸样本特征信息，并将所述特征提取层输出的多个通道的笑脸样本特征信息输入到所述目标神经网络包括的注意力层，得到所述注意力层输出的对应每个通道的注意力权重信息；

基于所述多个通道的笑脸样本特征信息以及对应每个通道的注意力权重信息之间的加权求和，得到加权求和后的笑脸样本特征信息；

将所述加权求和后的笑脸样本特征信息输入到所述目标神经网络包括的任务层，确定所述任务层的检测任务输出结果；

基于所述检测任务输出结果以及针对所述人脸图像样本的笑脸标注结果对所述待训练的目标神经网络进行至少一轮网络训练。

6.根据权利要求4或5所述的方法，其特征在于，所述目标神经网络包括输出不同特征深度的多个特征提取层、以及任务层；所述将所述人脸图像样本作为待训练的目标神经网络的输入数据，将针对所述人脸图像样本的笑脸标注结果作为所述待训练的目标神经网络的输出结果的监督数据，对所述待训练的目标神经网络进行至少一轮网络训练，包括：

将所述人脸图像样本输入到所述目标神经网络包括的多个特征提取层，得到每个所述特征提取层输出的笑脸样本特征信息；

从所述多个特征提取层中选取输出的特征深度符合预设深度范围的目标特征提取层；

将所述目标特征提取层输出的笑脸样本特征信息输入到所述目标神经网络包括的任务层，得到所述任务层的检测任务输出结果；

基于所述检测任务输出结果以及针对所述人脸图像样本的笑脸标注结果对所述待训练的目标神经网络进行至少一轮网络训练。