買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜東軟教育科技集團(tuán)有限公司申請(qǐng)的專利半監(jiān)督人臉特征點(diǎn)檢測(cè)結(jié)果評(píng)價(jià)方法、裝置及存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN113935414B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111199251.3，技術(shù)領(lǐng)域涉及：G06V10/776；該發(fā)明授權(quán)半監(jiān)督人臉特征點(diǎn)檢測(cè)結(jié)果評(píng)價(jià)方法、裝置及存儲(chǔ)介質(zhì)是由肖鵬;溫濤;李浩淵;于丹;彭蘇婷;王艷秋;張彤設(shè)計(jì)研發(fā)完成，并于2021-10-14向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本半監(jiān)督人臉特征點(diǎn)檢測(cè)結(jié)果評(píng)價(jià)方法、裝置及存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明提供了一種半監(jiān)督人臉特征點(diǎn)檢測(cè)結(jié)果評(píng)價(jià)方法、裝置及存儲(chǔ)介質(zhì)，在傳統(tǒng)基于深度學(xué)習(xí)的人臉檢測(cè)算法的基礎(chǔ)之上添加了評(píng)價(jià)當(dāng)前預(yù)測(cè)結(jié)果準(zhǔn)確性的評(píng)估結(jié)果，使得算法模型在沒(méi)有人工標(biāo)記參考的情況下能夠評(píng)估預(yù)測(cè)質(zhì)量，從而發(fā)掘訓(xùn)練好的模型在哪些情況下表現(xiàn)較差，從而針對(duì)性的改進(jìn)。舉例說(shuō)明：在實(shí)際應(yīng)用場(chǎng)景中，每一張輸入到模型的人臉圖像是沒(méi)有人臉特征點(diǎn)位置標(biāo)記的，此時(shí)無(wú)法通過(guò)人工標(biāo)簽和預(yù)測(cè)結(jié)果比對(duì)判斷算法預(yù)測(cè)的好壞，但是本發(fā)明中的方法能夠在預(yù)測(cè)人臉特征點(diǎn)坐標(biāo)的同時(shí)，額外給出評(píng)價(jià)當(dāng)前預(yù)測(cè)結(jié)果準(zhǔn)確性的評(píng)估結(jié)果。從而能夠知道模型在使用過(guò)程中對(duì)哪些數(shù)據(jù)預(yù)測(cè)的效果好，哪些預(yù)測(cè)的不好，方便對(duì)算法進(jìn)行針對(duì)性的改進(jìn)。

本發(fā)明授權(quán)半監(jiān)督人臉特征點(diǎn)檢測(cè)結(jié)果評(píng)價(jià)方法、裝置及存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種半監(jiān)督人臉特征點(diǎn)檢測(cè)結(jié)果評(píng)價(jià)方法，其特征在于，包括：將人臉圖像輸入到訓(xùn)練好的人臉特征點(diǎn)檢測(cè)模型中；所述人臉特征點(diǎn)檢測(cè)模型基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建；獲取所述人臉特征點(diǎn)檢測(cè)模型輸出的人臉特征點(diǎn)坐標(biāo)預(yù)測(cè)結(jié)果與評(píng)價(jià)當(dāng)前預(yù)測(cè)結(jié)果準(zhǔn)確性的評(píng)估結(jié)果；所述評(píng)估結(jié)果為由訓(xùn)練過(guò)程中得到的人臉頭部姿態(tài)相似度、人臉預(yù)測(cè)位置相似度和3D人臉相似度計(jì)算出的[0，1]范圍內(nèi)的數(shù)值，該數(shù)值越接近1表示預(yù)測(cè)質(zhì)量越高，越接近0表示預(yù)測(cè)質(zhì)量越差；當(dāng)所述評(píng)估結(jié)果小于預(yù)設(shè)閾值時(shí)，則確定當(dāng)前輸入的人臉圖像為困難樣本；其中，所述人臉特征點(diǎn)檢測(cè)模型按照以下方式進(jìn)行訓(xùn)練：獲取包括人臉圖像及其對(duì)應(yīng)人臉特征點(diǎn)人工標(biāo)簽的訓(xùn)練數(shù)據(jù)集；以所述訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)作為輸入，采用所述人臉特征點(diǎn)檢測(cè)模型預(yù)測(cè)出的輸入人臉對(duì)應(yīng)的2D人臉特征點(diǎn)坐標(biāo)以及人臉特征點(diǎn)預(yù)測(cè)結(jié)果質(zhì)量評(píng)估值；基于所述預(yù)測(cè)出的輸入人臉對(duì)應(yīng)的2D人臉特征點(diǎn)坐標(biāo)以及輸入人臉對(duì)應(yīng)的人臉特征點(diǎn)人工標(biāo)簽，分別計(jì)算人臉頭部姿態(tài)相似度、人臉預(yù)測(cè)位置相似度和3D人臉相似度；基于所述人臉頭部姿態(tài)相似度、所述人臉預(yù)測(cè)位置相似度和所述3D人臉相似度，計(jì)算評(píng)估標(biāo)簽；使用第一損失函數(shù)計(jì)算所述預(yù)測(cè)出的輸入人臉對(duì)應(yīng)的2D人臉特征點(diǎn)坐標(biāo)與人臉特征點(diǎn)人工標(biāo)簽之間的第一距離；使用第二損失函數(shù)計(jì)算所述人臉特征點(diǎn)預(yù)測(cè)結(jié)果質(zhì)量評(píng)估值與所述評(píng)估標(biāo)簽之間的第二距離；將所述第一損失函數(shù)的值和所述第二損失函數(shù)的值之和作為目標(biāo)損失函數(shù)的值；通過(guò)梯度下降算法使所述目標(biāo)損失函數(shù)的值減小，直至不再減小，使得模型預(yù)測(cè)的2D人臉特征點(diǎn)坐標(biāo)與人臉特征點(diǎn)人工標(biāo)簽不斷靠近，同時(shí)還能額外輸出描述該次預(yù)測(cè)結(jié)果準(zhǔn)確性的評(píng)估值。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人東軟教育科技集團(tuán)有限公司，其通訊地址為：116000 遼寧省大連市甘井子區(qū)軟件園路8-9號(hào)206室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。