[发明专利]一种基于深度学习的人眼状态检测的模型训练方法、检测方法、装置、移动端设备及服务器

摘要

本发明公开了一种基于深度学习的人眼状态的模型训练方法，包括以下步骤：步骤1，采集训练样本集，采集多维度场景下的人脸样本数据；步骤2，样本处理，提取出样本中的眼睛图片步骤3，构建训练集，测试集和验证集，并对原始样本数据进行数据增强步骤4，用训练集训练修改后的ShufflenetV2网络模型，通过反复测试及验证，挑选出表现最优的网络模型；该模型训练方法充分考虑了样本的多样性和全场景覆盖性，通过在ShufflenetV2网络结构的基础上进行了网络结构调整，降低计算量，提升了计算速度，同时提高了人眼检测精度。

主权项

1.一种基于深度学习的人眼状态的模型训练方法，其特征在于，包括以下步骤：步骤1，采集训练样本集，采集多维度场景下的人脸样本数据；步骤2，样本处理，提取出样本中的眼睛图片步骤3，构建训练集，测试集和验证集，并对原始样本数据进行数据增强步骤4，用训练集训练修改后的ShufflenetV2网络模型通过反复测试及验证，挑选出表现最优的网络模型；所述修改后的ShufflenetV2网络的修改之处在于：调整与输入相关的网络层，输入层从112*112变为32*16，取消各阶段内的下采样，仅保留阶段之间的下采样，使得每个阶段特征充分提取；借鉴googlenet的Inception结构，将分割后的特征以不同尺寸的卷积核进行卷积提取不同尺度的特征，再进行融合，使得特征提取更加多样；本网络采取深度可分离卷积进行计算；在输出层之前增加了一个全局池化层，并将输出层由全连接层替换为全卷积层。