[发明专利]用于生成模型的方法和装置有效
| 申请号： | 201910099403.9 | 申请日： | 2019-01-31 |
| 公开（公告）号： | CN109858445B | 公开（公告）日： | 2021-06-25 |
| 发明（设计）人： | 邓启力 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;马晓亚 |
| 地址： | 100041 北京市石景山区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开的实施例公开了用于生成模型的方法和装置。该方法的一具体实施方式包括：获取训练样本集；从训练样本集中选取训练样本，执行以下训练步骤：将训练样本中的样本人脸图像输入初始神经网络的特征提取层，获得图像特征；将图像特征输入初始神经网络的第一子网络，生成人脸关键点信息；将人脸关键点信息和图像特征输入初始神经网络的第二子网络，获得人脸关键点信息的偏差；基于人脸关键点信息和训练样本中的样本人脸关键点信息，确定人脸关键点信息的期望偏差；基于偏差和期望偏差，确定初始神经网络是否训练完成；响应于确定训练完成，将训练完成的初始神经网络确定为人脸关键点识别模型。该实施方式有助于实现更为准确的人脸关键点检测。 | ||
| 搜索关键词： | 用于 生成 模型 方法 装置 | ||
【主权项】：
1.一种用于生成模型的方法，包括：获取训练样本集，其中，训练样本包括样本人脸图像和针对样本人脸图像预先标注的样本人脸关键点信息；从所述训练样本集中选取训练样本，以及执行以下训练步骤：将所选取的训练样本中的样本人脸图像输入初始神经网络的特征提取层，获得图像特征；将所获得的图像特征输入初始神经网络的第一子网络，生成样本人脸图像的人脸关键点信息；将所生成的人脸关键点信息和图像特征输入初始神经网络的第二子网络，获得人脸关键点信息所对应的偏差；基于人脸关键点信息和训练样本中的样本人脸关键点信息，确定所生成的人脸关键点信息所对应的期望偏差；基于人脸关键点信息所对应的偏差和期望偏差，确定初始神经网络是否训练完成；响应于确定训练完成，将训练完成的初始神经网络确定为人脸关键点识别模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司，未经北京字节跳动网络技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910099403.9/，转载请声明来源钻瓜专利网。
