買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣州織點智能科技有限公司申請的專利一種人臉檢測模型訓練方法、人臉檢測方法及其相關裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113139460B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202110437083.0，技術領域涉及：G06V40/16；該發明授權一種人臉檢測模型訓練方法、人臉檢測方法及其相關裝置是由劉暢設計研發完成，并于2021-04-22向國家知識產權局提交的專利申請。

本一種人臉檢測模型訓練方法、人臉檢測方法及其相關裝置在說明書摘要公布了：本申請公開了一種人臉檢測模型訓練方法、人臉檢測方法及其相關裝置，對MTCNN網絡中的P?Net的第一個卷積層后增加人臉屬性網絡分支，并在P?Net的第二、第三個卷積層之間增加屬性融合層，構建得到新P?Net；通過人臉檢測數據集分階段訓練新P?Net、MTCNN網絡中的R?Net和O?Net，得到訓練好的新P?Net、R?Net和O?Net，人臉檢測數據集的標簽信息包括人臉信息和人臉屬性信息；結合訓練好的新P?Net、R?Net和O?Net構建得到人臉檢測模型。本申請改善了現有技術采用MTCNN網絡進行人臉檢測，由于P?Net的結構簡單，導致人臉檢測的準確率較低，并影響人臉檢測速度的技術問題。

本發明授權一種人臉檢測模型訓練方法、人臉檢測方法及其相關裝置在權利要求書中公布了：1.一種人臉檢測模型訓練方法，其特征在于，包括： 在MTCNN網絡中的P-Net的第一個卷積層后增加一個人臉屬性網絡分支，并在所述P-Net的第二個卷積層和第三個卷積層之間增加一個屬性信息融合層，構建得到新P-Net，其中，所述人臉屬性網絡分支包括依次連接的第四個卷積層、全局平均池化層和屬性預測層，所述第四個卷積層與所述屬性信息融合層連接，所述第三個卷積層的輸出端與人臉預測層的輸入端連接； 通過人臉檢測數據集分階段訓練所述新P-Net、所述MTCNN網絡中的R-Net和O-Net，得到訓練好的所述新P-Net、訓練好的所述R-Net和訓練好的所述O-Net，所述人臉檢測數據集中的訓練樣本的標簽信息包括人臉信息和人臉屬性信息； 結合訓練好的所述新P-Net、訓練好的所述R-Net和訓練好的所述O-Net構建得到人臉檢測模型； 所述新P-Net的訓練過程為： 將所述人臉檢測數據集中的訓練樣本輸入到所述所述新P-Net，通過所述新P-Net中的所述第一個卷積層對所述訓練樣本進行第一卷積處理，得到第一人臉特征圖； 通過所述新P-Net中的所述第二個卷積層對所述第一人臉特征圖進行第二卷積處理，得到第二人臉特征圖； 通過所述新P-Net中的所述第四個卷積層對所述第一人臉特征圖進行第三卷積處理，得到人臉屬性特征圖； 通過所述屬性信息融合層對所述第二人臉特征圖和所述人臉屬性特征圖進行特征融合，得到融合特征，并通過所述第三個卷積層和所述人臉預測層對所述融合特征依次進行第四卷積處理和人臉預測，得到所述訓練樣本對應的人臉預測結果； 通過所述全局平均池化層和所述屬性預測層對所述人臉屬性特征圖依次進行池化處理和人臉屬性預測，得到所述訓練樣本對應的人臉屬性預測結果； 根據所述訓練樣本的人臉預測結果和所述標簽信息中的人臉信息計算人臉損失值，根據所述訓練樣本的人臉屬性預測結果和所述標簽信息中的人臉屬性信息計算屬性損失值，并通過所述人臉損失值和所述屬性損失值更新所述新P-Net的網絡參數，直至所述新P-Net收斂； 所述新P-Net還包括最大值池化層，所述最大值池化層的輸入端與所述第四個卷積層的輸出端連接，輸出端與所述屬性信息融合層的輸入端連接； 相應的，所述通過所述屬性信息融合層對所述第二人臉特征圖和所述人臉屬性特征圖進行特征融合，得到融合特征，之前還包括： 通過所述最大值池化層對所述所述人臉屬性特征圖進行最大值池化操作，得到人臉屬性權重圖；所述人臉屬性權重圖中的各像素值表示各像素位置存在人臉屬性的可能性大小； 所述通過所述屬性信息融合層對所述第二人臉特征圖和所述人臉屬性特征圖進行特征融合，得到融合特征，包括： 通過所述屬性信息融合層對所述第二人臉特征圖和人臉屬性權重圖進行逐點相乘運算，得到融合特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣州織點智能科技有限公司，其通訊地址為：510627 廣東省廣州市海珠區南邊路38號之六105室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。