[发明专利]一种学习噪声区域信息的人脸检测方法及装置

说明书

本发明涉及人脸检测技术领域，具体涉及一种学习噪声区域信息的人脸检测方法及装置，包括：搭建深度神经网络模型，提取训练样本的特征图，然后在特征图上生成候选区域，并且每个候选区域需用预测定位信息和预测置信度定义无噪声得分，然后针对每个候选区域用损失函数计算损失值，最后优化损失值，得到优化深度神经网络模型，输入人脸图像即可进行人脸检测；其中，所述的候选区域由设定的锚框在每个特征点上生成。与现有技术相比，本发明通过将人脸检测方法结合预测定位信息和预测置信度相结合计算得到无噪声得分，并将得分作为候选区域的软标签，再融入到损失函数中，使网络模型在训练过程中学习到噪声信息，有效地提高模型的鲁棒性。

技术领域

本发明涉及人脸检测领域，具体涉及一种学习噪声区域信息的人脸检测方法及装置。

背景技术

近几年，随着深度学习和计算机算力的快速发展，目标检测技术领域的精度和速度也取得了很大的突破。人脸检测技术是目标检测技术中较为重要的一个研究分支，主要做法是用刚性的边界框包围感兴趣的目标，而且在过去的多年里得到了不断地改进完善。

人脸检测技术通常用一组预先定义面积大小比例的候选框，即锚框，用于将类别判为目标的位置回归至期望的地方。人脸检测技术的目的是完成定位和分类这两个任务，定位任务是使用真实边界框作为“标杆”训练预测位置，而分类任务是指导模型学习区分候选区域类别的能力，但是大量的候选区域中只有少量候选区域与真实边界框有足够地重叠，为了学习到更好的分类器，减弱样本不平衡的影响，衍生出焦点损失函数和难例挖掘算法。除此之外，区别候选区域的类别标签是通过设定阈值判断的，完全凭借经验人为干预，类别标签比较模糊，容易引入噪声影响分类。例如，有时候候选区域为目标的置信度较高，包含大量的语义信息，但因与真实边界框重叠度比较低，按阈值判断分为负样本，这算一种噪声信息，此外，由于矩形框的局限性，目标之间的距离较小时，有时候候选区域会包含多个目标，这就会引入另外一种噪声信息。

综上所述，生成候选区域的类别标签时总会引入不同形式的噪声信息，因此，急需提出一种简单高效的人脸检测方法，自适应地生成候选区域的软标签，充分利用噪声区域的信息加强模型的性能。

发明内容

针对上述问题，本发明的目的在于提供一种学习噪声区域信息的人脸检测方法及装置，本发明采用的技术方案如下：

本发明的第一个目的是提供一种学习噪声区域信息的人脸检测方法，包括以下步骤：

S1、构建深度神经网络模型，所述深度神经网络模型的网络结构从前至后包括：卷积层、批归一化层、激活函数层、第一混合深度可分离卷积模块、最大值池化层、第一倒置残差模块、第二混合深度可分离卷积模块、第二倒置残差卷积模块，所述第二倒置残差卷积模块后接两个并行的卷积层；所述倒置残差模块从前至后由卷积层、批归一化层、激活函数层、深度可分离卷积层、批归一化层、激活函数层、卷积层、批归一化层、特征相加层封装而成；所述混合深度可分离卷积模块从前至后由两个并行的深度可分离卷积层、特征连接层、批归一化层、激活函数层封装而成；

S2、收集任意大小的人脸图像，并预先定义锚框的长宽比和面积大小比，然后分成训练集和测试集；

S3、将训练集输入深度神经网络模型，由深度神经网络模型提取训练集中的人脸图像特征图，然后利用设定的锚框在人脸图像特征图的每个特征点上生成候选区域，并且每个候选区域用预测定位信息和预测置信度定义无噪声得分；最后针对每个候选区域用损失函数计算损失值，并根据制定优化策略衰减损失值，以及设定相关超参数，重复对深度神经网络模型进行训练，直至损失值收敛，得到优化深度神经网络模型。

S4、将人脸图像输入优化深度神经网络模型，输出人脸检测结果。

进一步地，所述无噪声得分反映候选区域包含噪声信息的程度；

所述无噪声得分计算公式如下：

；