[发明专利]一种基于深度学习的多任务级联人脸对齐方法在审
| 申请号： | 201710304638.8 | 申请日： | 2017-05-03 |
| 公开（公告）号： | CN107038429A | 公开（公告）日： | 2017-08-11 |
| 发明（设计）人： | 刘云楚 | 申请（专利权）人： | 四川云图睿视科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司51214 | 代理人： | 邓世燕 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的多任务级联人脸对齐方法，包括如下步骤采用卷积神经网络进行人脸对齐模型训练，其中主线网络包括8层卷积层、4层归一化层、4层激活层、4层池化层以及一层全连接层，结构是每两层卷积层之后是归一化层、激活层和池化层，以此类推；前三层归一化和最后一层全连接层之后分别由全连接层作为支线网络进行预测，分别预测出人脸的关键点和人脸的属性。本发明在模型的训练过程中加入了性别、是否笑、是否带眼睛、姿态等辅助信息实现了多任务学习，在网络的每两层都有预测输出，实现了由粗到精的级联人脸关键点定位检测，提高了人脸对齐对人脸表情、姿态、性别和遮挡的鲁棒性。 | ||
| 搜索关键词： | 一种 基于 深度 学习 任务 级联 对齐 方法 | ||
【主权项】：
一种基于深度学习的多任务级联人脸对齐方法，其特征在于：包括如下步骤：步骤一、样本采集：标记人脸的关键点和人脸的属性标签；步骤二、样本预处理：对人脸图像进行灰度化和归一化处理；步骤三、采用卷积神经网络进行人脸对齐模型训练，其中：主线网络包括8层卷积层、4层归一化层、4层激活层、4层池化层以及一层全连接层，结构是每两层卷积层之后是归一化层、激活层和池化层，以此类推；前三层归一化和最后一层全连接层之后分别由全连接层作为支线网络进行预测，分别预测出人脸的关键点和人脸的属性；步骤四、实时输出人脸的关键点和人脸的属性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川云图睿视科技有限公司，未经四川云图睿视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710304638.8/，转载请声明来源钻瓜专利网。
