[发明专利]一种人脸检测方法、装置及电子设备

说明书

本申请适用于人工智能技术领域，提供了一种人脸检测方法、装置及电子设备，其中，方法包括：对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；其中，所述通过优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。由于PFLD网络具有精度高速度快的特点，注意力机制能自动增大重要特征的权重而减少不相关以及不重要特征的权重提高网络性能，因此基于PFLD网络构建且加入注意力机制的多任务检测网络进行人脸检测，可在多任务检测下提高检测效率和检测精度。

技术领域

本申请属于人工智能技术领域，尤其涉及一种人脸检测方法、装置及电子设备。

背景技术

随着人工智能技术的快速发展，各种人工智能产品顺应而生，可基于神经网络技术对人脸进行检测，得到人脸检测结果。目前基于神经网络技术的人脸检测算法的检测效率低且检测精度不高。

发明内容

本申请实施例提供了一种人脸检测方法、装置及电子设备，旨在解决现有对人脸的检测效率低且检测精度不高的问题。

第一方面，本申请实施例提供了一种人脸检测方法，包括：对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；

根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；

其中，所述优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。

在一个实施例中，所述优化后的多任务人脸检测网络包括第一卷积层、第二卷积层、第一瓶颈层、第二瓶颈层、第三瓶颈层和第四瓶颈层。

在一个实施例中，所述第一瓶颈层中包括第一注意力机制，所述第三瓶颈层中包括第二注意力机制。

在一个实施例中，所述第一注意力机制包括垂直注意力网络和水平注意力网络，所述第二注意力机制包括垂直注意力网络和水平注意力网络。

在一个实施例中，所述第一注意力机制包括的池化层参数与所述第一瓶颈层中的特征图大小对应，所述第二注意力机制包括的池化层参数与所述第三瓶颈层中的特征图大小对应。

在一个实施例中，所述优化后的多任务人脸检测网络包括对人脸姿态、人脸关键点、人脸质量、年龄、性别、微笑、眼镜、口罩、颜值中至少两个属性进行检测。

在一个实施例中，所述优化后的多任务人脸检测网络为已训练完成的网络，所述优化后的多任务人脸检测网络的训练步骤包括：

获取包括人脸的图像数据集，从多个属性对所述图像数据集添加对应的标注，每个属性对应一个任务；

根据标注后的图像数据集，对所述基于PFLD网络构建且加入预设注意力机制的多任务检测网络进行训练，直至预设损失函数收敛为止，得到所述优化后的多任务人脸检测网络。

在一个实施例中，所述预设损失函数的损失值为所有任务分支的目标损失值之和，每个任务的目标损失值为每个任务分支的损失值与对应权重因子之积。

第二方面，本申请实施例提供了一种人脸检测装置，包括：

检测模块，用于对目标图像，通过优化后的多任务人脸检测网络进行人脸检测，得到每个任务对应的人脸属性的检测结果；

输出模块，用于根据所有任务对应的人脸属性的检测结果，确定人脸检测的输出结果；

其中，所述优化后的多任务人脸检测网络为基于PFLD网络构建且加入注意力机制的多任务检测网络。