[发明专利]用于检测人脸的方法、用于生成模型的装置

说明书

本申请实施例公开了用于检测人脸的方法。该方法的一具体实施方式包括：获取目标多层神经网络模型，其中，目标多层神经网络模型包括至少一个目标层，目标层的权重为浮点值形式的权重；对于至少一个目标层中的每个目标层，基于该目标层的浮点值形式的权重，确定该目标层的用数值表达式表征的权重，使用数值表达式表征的权重替换该目标层的浮点值形式的权重，其中，数值表达式是以下任一项：包含分数与第一整数的乘积的表达式，其中，分数的分母是预先确定的整数，分数的分子是整数；包含幂与第二整数的乘积的表达式，其中，幂的底数是预先确定的整数，幂的指数是整数。该实施方式提高了生成模型的灵活性，有助于提高模型的运算效率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测人脸的方法、用于生成模型的装置。

背景技术

多层神经网络(Multi-layer Perceptron，MLP)是一种前向结构的人工神经网络。其可以由多个层组成，每一层可以全连接到下一层。除了输入层，每个节点都可以是一个带有激活函数的神经元(或称处理单元)。

由于多层神经网络由相互叠加的多层组成，每一层又可以包括多个神经元。通常情况下，在使用多层神经网络进行计算的过程中，往往涉及较为复杂的计算。

发明内容

本申请实施例提出了用于检测人脸的方法、用于生成模型的装置。

第一方面，本申请实施例提供了一种用于生成模型的方法，该方法包括：获取目标多层神经网络模型，其中，目标多层神经网络模型包括至少一个目标层，目标层的权重为浮点值形式的权重；对于至少一个目标层中的每个目标层，基于该目标层的浮点值形式的权重，确定该目标层的用数值表达式表征的权重，使用数值表达式表征的权重替换该目标层的浮点值形式的权重，其中，数值表达式是以下任一项：包含分数与第一整数的乘积的表达式，其中，分数的分母是预先确定的整数，分数的分子是整数；包含幂与第二整数的乘积的表达式，其中，幂的底数是预先确定的整数，幂的指数是整数；将目标层的权重替换后的目标多层神经网络模型确定为新的多层神经网络模型。

在一些实施例中，基于该目标层的浮点值形式的权重，确定该目标层的用数值表达式表征的权重，包括：基于该目标层的浮点值形式的权重，利用交替方向乘子算法，确定该目标层的用数值表达式表征的权重。

在一些实施例中，基于该目标层的浮点值形式的权重，利用交替方向乘子算法，确定该目标层的用数值表达式表征的权重，包括：获取目标多层神经网络模型的损失函数、目标多层神经网络模型与待生成的多层神经网络模型之间的误差函数和正则项；将损失函数与正则项的和确定为目标函数；利用交替方向乘子算法，以目标函数的函数值取得最小值为目标，以误差函数的函数值小于预设阈值为约束条件，确定该目标层的用数值表达式表征的权重。

在一些实施例中，当数值表达式是包含分数与第一整数的乘积的表达式时，第一整数是通过如下步骤确定的：在预定分数集合中，确定与该目标层的浮点值形式的权重的值最接近的分数；利用最小二乘法，确定整数集合中的目标整数，使得目标整数与最接近的分数的乘积最接近该目标层的浮点值形式的权重的值；将目标整数确定为第一整数。

在一些实施例中，当数值表达式是包含幂与第二整数的乘积的表达式时，第二整数是通过如下步骤确定的：在预定幂集合中，确定与该目标层的浮点值形式的权重的值最接近的幂；利用最小二乘法，确定整数集合中的目标整数，使得目标整数与最接近的幂的乘积最接近该目标层的浮点值形式的权重的值；将目标整数确定为第二整数。