买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州织点智能科技有限公司申请的专利一种人脸检测模型训练方法、人脸检测方法及其相关装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113139460B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110437083.0，技术领域涉及：G06V40/16；该发明授权一种人脸检测模型训练方法、人脸检测方法及其相关装置是由刘畅设计研发完成，并于2021-04-22向国家知识产权局提交的专利申请。

本一种人脸检测模型训练方法、人脸检测方法及其相关装置在说明书摘要公布了：本申请公开了一种人脸检测模型训练方法、人脸检测方法及其相关装置，对MTCNN网络中的P‑Net的第一个卷积层后增加人脸属性网络分支，并在P‑Net的第二、第三个卷积层之间增加属性融合层，构建得到新P‑Net；通过人脸检测数据集分阶段训练新P‑Net、MTCNN网络中的R‑Net和O‑Net，得到训练好的新P‑Net、R‑Net和O‑Net，人脸检测数据集的标签信息包括人脸信息和人脸属性信息；结合训练好的新P‑Net、R‑Net和O‑Net构建得到人脸检测模型。本申请改善了现有技术采用MTCNN网络进行人脸检测，由于P‑Net的结构简单，导致人脸检测的准确率较低，并影响人脸检测速度的技术问题。

本发明授权一种人脸检测模型训练方法、人脸检测方法及其相关装置在权利要求书中公布了：1.一种人脸检测模型训练方法，其特征在于，包括： 在MTCNN网络中的P-Net的第一个卷积层后增加一个人脸属性网络分支，并在所述P-Net的第二个卷积层和第三个卷积层之间增加一个属性信息融合层，构建得到新P-Net，其中，所述人脸属性网络分支包括依次连接的第四个卷积层、全局平均池化层和属性预测层，所述第四个卷积层与所述属性信息融合层连接，所述第三个卷积层的输出端与人脸预测层的输入端连接； 通过人脸检测数据集分阶段训练所述新P-Net、所述MTCNN网络中的R-Net和O-Net，得到训练好的所述新P-Net、训练好的所述R-Net和训练好的所述O-Net，所述人脸检测数据集中的训练样本的标签信息包括人脸信息和人脸属性信息； 结合训练好的所述新P-Net、训练好的所述R-Net和训练好的所述O-Net构建得到人脸检测模型； 所述新P-Net的训练过程为： 将所述人脸检测数据集中的训练样本输入到所述所述新P-Net，通过所述新P-Net中的所述第一个卷积层对所述训练样本进行第一卷积处理，得到第一人脸特征图； 通过所述新P-Net中的所述第二个卷积层对所述第一人脸特征图进行第二卷积处理，得到第二人脸特征图； 通过所述新P-Net中的所述第四个卷积层对所述第一人脸特征图进行第三卷积处理，得到人脸属性特征图； 通过所述属性信息融合层对所述第二人脸特征图和所述人脸属性特征图进行特征融合，得到融合特征，并通过所述第三个卷积层和所述人脸预测层对所述融合特征依次进行第四卷积处理和人脸预测，得到所述训练样本对应的人脸预测结果； 通过所述全局平均池化层和所述属性预测层对所述人脸属性特征图依次进行池化处理和人脸属性预测，得到所述训练样本对应的人脸属性预测结果； 根据所述训练样本的人脸预测结果和所述标签信息中的人脸信息计算人脸损失值，根据所述训练样本的人脸属性预测结果和所述标签信息中的人脸属性信息计算属性损失值，并通过所述人脸损失值和所述属性损失值更新所述新P-Net的网络参数，直至所述新P-Net收敛； 所述新P-Net还包括最大值池化层，所述最大值池化层的输入端与所述第四个卷积层的输出端连接，输出端与所述属性信息融合层的输入端连接； 相应的，所述通过所述属性信息融合层对所述第二人脸特征图和所述人脸属性特征图进行特征融合，得到融合特征，之前还包括： 通过所述最大值池化层对所述所述人脸属性特征图进行最大值池化操作，得到人脸属性权重图；所述人脸属性权重图中的各像素值表示各像素位置存在人脸属性的可能性大小； 所述通过所述属性信息融合层对所述第二人脸特征图和所述人脸属性特征图进行特征融合，得到融合特征，包括： 通过所述属性信息融合层对所述第二人脸特征图和人脸属性权重图进行逐点相乘运算，得到融合特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州织点智能科技有限公司，其通讯地址为：510627 广东省广州市海珠区南边路38号之六105室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。