[发明专利]一种人脸检测的方法和装置

摘要

本公开是关于一种人脸检测的方法和装置，属于计算机技术领域。所述方法包括：在待使用的深度卷积网络模型中，获取目标卷积层的卷积核；对所述目标卷积层的卷积核进行CP分解，得到所述目标卷积层的低秩卷积核；在所述待使用的深度卷积网络模型中，将所述目标卷积层的卷积核替换为对应的低秩卷积核，得到调整后的深度卷积网络模型；基于所述调整后的深度卷积网络模型对图像进行人脸检测。采用本公开，可以提高人脸检测的处理速度。

主权项

1.一种人脸检测的方法，其特征在于，应用于人脸检测应用程序的后台服务器，所述方法包括：/n在待使用的深度卷积网络模型中，获取目标卷积层的卷积核，所述目标卷积层为一个卷积层或者多个卷积层；/n对所述目标卷积层的每个卷积核进行典范CP分解，分别得到每个卷积核对应的低秩卷积核；/n在所述待使用的深度卷积网络模型中，将所述目标卷积层的每个卷积核分别替换为对应的低秩卷积核，得到调整后的深度卷积网络模型；/n将所述调整后的深度卷积网络模型中的模型参数的取值，设置为所述调整后的深度卷积网络模型的所述模型参数的训练初始值，所述模型参数包括卷积核中的参数、池化核中的参数；/n在训练过程中，确定所述调整后的深度卷积网络模型对应的目标函数，所述目标函数的自变量是所述调整后的深度卷积网络模型的输入，所述目标函数的因变量是所述调整后的深度卷积网络模型的输出，所述目标函数中的参数是所述模型参数，所述目标函数中的参数包括多个参数；/n将第一样本图像作为所述调整后的深度卷积网络模型的输入，进行前向传播，确定所述目标函数的输出值，如果所述目标函数的输出值与所述第一样本图像对应的预设基准输出值的差值不小于预设阈值，则将所述目标函数与所述预设基准输出值取差值，并平方，得到损失函数L；/n获取预设的学习率α，基于所述预设的学习率α、所述损失函数L以及