[发明专利]人脸检测器的训练方法及装置、设备、介质和产品

说明书

本公开提供了一种人脸检测器的训练方法及装置、设备、介质和产品，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用人脸识别等场景。具体实现方案包括：将训练样本集合中的至少一个样本图像作为人脸检测器的输入数据，得到与至少一个样本图像中的每个样本图像关联的人脸检测结果；根据人脸检测结果，确定与每个样本图像关联的分类损失评价值；根据分类损失评价值和每个样本图像的样本类型，确定用于调整人脸检测器的模型参数的目标损失评价值；以及基于目标损失评价值，调整人脸检测器的模型参数，得到调整后的人脸检测器。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用人脸识别等场景。

背景技术

在针对人脸检测器的训练过程中，可以根据与样本图像关联的损失评价值反向传播调整人脸检测器的模型参数。但是，在一些场景下，存在损失评价值的数量过多过杂、人脸检测器的优化效率和训练效果不佳的现象。

发明内容

本公开提供了一种人脸检测器的训练方法及装置、设备、介质和产品。

根据本公开的一方面，提供了一种人脸检测器的训练方法，包括：将训练样本集合中的至少一个样本图像作为人脸检测器的输入数据，得到与所述至少一个样本图像中的每个样本图像关联的人脸检测结果；根据所述人脸检测结果，确定与所述每个样本图像关联的分类损失评价值；根据所述分类损失评价值和所述每个样本图像的样本类型，确定用于调整所述人脸检测器的模型参数的目标损失评价值；以及基于所述目标损失评价值，调整所述人脸检测器的模型参数，得到调整后的人脸检测器，所述样本图像的样本类型包括正向样本类型和负向样本类型，所述正向样本类型的样本图像中包括质量评分符合预设条件的人脸区域。

根据本公开的另一方面，提供了一种人脸检测器的训练装置，包括：第一处理模块，用于将训练样本集合中的至少一个样本图像作为人脸检测器的输入数据，得到与所述至少一个样本图像中的每个样本图像关联的人脸检测结果；第二处理模块，用于根据所述人脸检测结果，确定与所述每个样本图像关联的分类损失评价值；第三处理模块，用于根据所述分类损失评价值和所述每个样本图像的样本类型，确定用于调整所述人脸检测器的模型参数的目标损失评价值；以及第四处理模块，用于基于所述目标损失评价值，调整所述人脸检测器的模型参数，得到调整后的人脸检测器，所述样本图像的样本类型包括正向样本类型和负向样本类型，所述正向样本类型的样本图像中包括质量评分符合预设条件的人脸区域。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的人脸检测器的训练方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的人脸检测器的训练方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的人脸检测器的训练方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的人脸检测器的训练方法和装置的系统架构；

图2示意性示出了根据本公开一实施例的人脸检测器的训练方法的流程图；

图3示意性示出了根据本公开另一实施例的人脸检测器的训练方法的流程图；

图4示意性示出了根据本公开一实施例的人脸检测器的训练过程的示意图；