[发明专利]基于神经网络的人脸检测方法、装置和电子设备

说明书

本发明实施例提出一种基于神经网络的人脸检测方法、装置和电子设备，涉及人脸识别领域，该方法包括：确定待检测的人脸图像，并基于人脸图像确定至少一个第一输入特征图，每个第一输入特征图预设有m个子区域；对于每个输入特征图的每个子区域，根据预设的小卷积核进行特征提取，得到第一输出特征图；对于每个输入特征图，将输入特征图对应的第一输出特征图进行累加，得到第二输出特征图；基于至少一个输入特征图的第二输出特征图进行人脸识别。该方法能够在不增加精度损失的情况下能有更好的GPU加速体验，提高了检测效率，缓解了现有技术中由于数据量增加导致计算量增大，检测效率下降的问题。

技术领域

本发明涉及人脸检测领域，具体而言，涉及一种基于神经网络的人脸检测方法、装置和电子设备。

背景技术

人脸检测算法是实现人脸识别比对验证系统的关键部分。随着深度学习技术的发展，现阶段人脸检测算法大规模使用卷积神经网络实现。

随着场景的多样性与复杂性增加，训练数据集的数量增加，卷积神经网络的规模变得越来越大，需要更多的计算量与访存量；这就不可避免的导致了检测速度的下降，即使有图形处理器(GPU)加速也很难达到实时检测的要求。

发明内容

有鉴于此，本发明的目的在于提供一种基于神经网络的人脸检测方法、装置和电子设备。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供一种基于神经网络的人脸检测方法，包括：

确定待检测的人脸图像，并基于所述人脸图像确定至少一个第一输入特征图，每个所述第一输入特征图预设有m个子区域；

对于每个所述输入特征图的每个所述子区域，根据预设的小卷积核进行特征提取，得到第一输出特征图；

对于每个所述输入特征图，将所述输入特征图对应的第一输出特征图进行累加，得到第二输出特征图；

基于至少一个所述输入特征图的第二输出特征图进行人脸识别。

在可选的实施方式中，所述预设的小卷积核为3*3小卷积核，所述m为9；将所述输入特征图对应的第一输出特征图进行累加，得到第二输出特征图的步骤，包括：

将所述输入特征图对应的9个第一输出特征图逐像素进行累加，得到与7*7的卷积核的输出结果相同的第二输出特征图。

在可选的实施方式中，所述小卷积核为9个，每个所述小卷积核对应9个子区域中一个的起始坐标和终止坐标。

在可选的实施方式中，将所述输入特征图对应的第一输出特征图进行累加，得到第二输出特征图的步骤，包括：

在Eltwise层，将所述输入特征图对应的9个第一输出特征图逐像素进行累加，得到与7*7的卷积核的输出结果相同的第二输出特征图。

在可选的实施方式中，基于至少一个所述输入特征图的第二输出特征图进行人脸识别的步骤，包括：

在GPU加速引擎上对至少一个所述输入特征图的第二输出特征图进行固定尺寸最近邻扩展上采样，得到至少一个第三输入特征图；

基于至少一个所述第三输入特征图进行人脸识别。

第二方面，本发明实施例提供一种基于神经网络的人脸检测装置，包括：

确定模块，用于确定待检测的人脸图像，并基于所述人脸图像确定至少一个第一输入特征图，每个所述第一输入特征图预设有m个子区域；

提取模块，用于对于每个所述输入特征图的每个所述子区域，根据预设的小卷积核进行特征提取，得到第一输出特征图；