[发明专利]神经网络训练及图像处理方法、装置和电子设备

说明书

本发明提供了一种神经网络训练及图像处理方法、装置和电子设备。其中，神经网络训练方法包括：通过对包含有人脸特征点标注信息的原始样本图像至少进行信息保持加扰处理，获得加扰样本图像以及信息保持加扰处理所处理的图像信息；基于神经网络对原始样本图像以及加扰样本图像进行检测，得到针对原始样本图像中人脸特征点的第一预测信息以及针对加扰样本图像中人脸特征点的第二预测信息；确定第一预测信息和标注信息之间的第一差异、第一预测信息和第二预测信息之间的第二差异、以及第二差异与信息保持加扰处理所处理的图像信息之间的第三差异；根据第一差异和第三差异调整神经网络的网络参数。通过本发明，可以大大提高人脸定位精准度。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种神经网络训练方法、装置和电子设备，以及，一种图像处理方法、装置和电子设备。

背景技术

神经网络是用于计算机视觉和模式识别的一个重要的研究领域，它通过计算机仿照生物大脑思维启发进行类似人类对特定对象的信息处理。通过神经网络，能够有效地对图像(包括静态图像和视频图像)中的对象进行检测和识别。随着互联网技术的发展，信息量的急剧增加，神经网络被越来越广泛地应用于图像检测和识别领域，以从大量的信息中寻找出实际所需的信息。其中，人脸特征点定位就是神经网络的一种重要应用。

当在某些电子设备，如移动终端中使用神经网络进行人脸定位时，因移动终端自身硬件性能的局限或者神经网络模型设置的原因，使得神经网络模型的规模较小，人脸定位精度受限。尤其是在视频图像中，因卷积神经网络模型规模受限，人脸定位精度不高，视频播放时相邻帧间抖动的情况会尤其严重。

发明内容

本发明实施例提供了一种卷积神经网络训练方案，以及，一种图像处理方案。

根据本发明实施例的第一方面，提供了一种神经网络训练方法，包括：通过对包含有人脸特征点标注信息的原始样本图像至少进行信息保持加扰处理，获得加扰样本图像以及信息保持加扰处理所处理的图像信息；基于神经网络对所述原始样本图像以及所述加扰样本图像进行检测，得到针对所述原始样本图像中人脸特征点的第一预测信息以及针对所述加扰样本图像中人脸特征点的第二预测信息；确定所述第一预测信息和所述标注信息之间的第一差异、所述第一预测信息和所述第二预测信息之间的第二差异、以及所述第二差异与所述信息保持加扰处理所处理的图像信息之间的第三差异；根据所述第一差异和所述第三差异调整所述神经网络的网络参数。

可选地，所述对包含有人脸特征点标注信息的原始样本图像至少进行信息保持加扰处理，包括：对包含有人脸特征点标注信息的原始样本图像进行信息保持加扰处理和信息非保持加扰处理。

可选地，确定所述第一预测信息和所述标注信息之间的第一差异包括：使用第一损失函数确定第一预测信息和原始样本图像中人脸特征点标注信息之间的第一差异，其中，所述第一损失函数用于度量对原始样本图像中的人脸特征点预测结果的准确度。

可选地，确定所述第一预测信息和所述第二预测信息之间的第二差异包括：使用第二损失函数确定第一预测信息和第二预测信息之间的第二差异；其中，所述第二损失函数用于度量对原始样本图像中的人脸特征点预测结果和对加扰样本图像中的人脸特征点预测结果的差异。

可选地，使用第二损失函数确定第一预测信息和第二预测信息之间的第二差异包括：通过第一距离计算函数获得所述第一预测信息和所述第二预测信息之间的距离，所述距离为所述第二差异。

可选地，确定所述第二差异与所述信息保持加扰处理所处理的图像信息之间的第三差异包括：通过第二距离计算函数，获得所述第二差异与所述信息保持加扰处理所处理的图像信息之间的距离，所述距离为所述第三差异。

可选地，所述信息保持加扰处理包括以下至少之一：仿射变换处理、平移处理、缩放处理、旋转处理。

可选地，所述非保持加扰处理包括以下至少之一：逐像素增加噪声处理、对比度调整处理。