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！

龙图腾网获悉南京烽火星空通信发展有限公司申请的专利一种基于辅助网络的高效人脸检测方法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：CN116543432B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310401719.5，技术领域涉及：G06V40/16；该发明授权一种基于辅助网络的高效人脸检测方法是由廖闻剑;许二戗;郑鹏;董文君设计研发完成，并于2023-04-16向国家知识产权局提交的专利申请。

本一种基于辅助网络的高效人脸检测方法在说明书摘要公布了：本发明属于计算机视觉人脸检测技术领域，提供了一种基于辅助网络的高效人脸检测方法，人脸检测方法包括骨干网络模块、图像分类分支、人脸检测分支和多任务损失四个部分，具体方法步骤包括：通过预标注与人工矫正获得训练样本、利用结构重参数化解耦训练与推理结构，获得高效的推理权重；FH‑EFACE秉持轻量高效原则搭建网络，利用图像分类分支作为辅助，过滤无人脸图片，既能降低部署时的硬件要求，同时在推理阶段，输入图片只需要一次预处理与模型推理操作，极大缩短了整体推理时间。

本发明授权一种基于辅助网络的高效人脸检测方法在权利要求书中公布了：1.一种基于辅助网络的高效人脸检测方法，其特征在于，人脸检测方法包括骨干网络模块、图像分类分支、人脸检测分支和多任务损失四个部分，具体方法步骤如下： S1：收集图片获取训练样本，首先搜集互联网上的图片，利用公开的人脸检测模型进行预打标，然后根据图片上有无人脸补充分类标签，进而得到训练样本； S2：训练FH-EFACE模型，FH-EFACE损失函数由图像分类损失与目标检测损失组成，通过损失网络进行训练，得到训练好的FH-EFACE初始权重； 步骤S2中，FH-EFACE模型由骨干网络、检测分支和分类分支三部分构成； 所述骨干网络负责提取图像语义特征，由stem块与RepBlock块组成； 检测分支包含Neck部分与Head部分，Neck部分对提取的不同粒度语义特征进行融合，Head部分进行编码预测人脸的位置与五个关键点，五个关键点包括左右眼睛、鼻尖和左右嘴角； 分类分支用于判断输入图片是否存在人脸，骨干网络提取的特征，经过1×1卷积特征融合，然后经过平均池化层与flatten操作，降低特征维度，最后接全连接层分类头； S3：获取推理时权重，通过模型结构重参数化，合并RepBlock块的多分支结构，得到与初始权重等效的推理时权重； 步骤S3中，FH-EFACE模型训练结束后，模型中RepBlock结构进行结构重参数化，其中3×3卷积分支进行卷积层与BN层合并，1×1卷积分支、ldentity分支分别转化为3×3卷积层，最终将3个分支合并为1个单路3×3卷积层； 所述卷积层与BN层合并，假定卷积权重为W，偏置为b，BN层平均值为mean，标准差为var，比例因子为γ，偏置为β，则卷积层公式为： Convx＝Wx+b BN层公式为： 将卷积结果带入BN公式，为： 可形成一个新的合并后卷积公式，卷积权重为Wfused，偏置为Bfused： BNConvx＝Wfusedx+Bfused 1×1卷积转化为3×3卷积，以1×1的卷积核为中心，周边补0，padding成3×3尺寸，即转化为等效的3×3卷积； ldentity层转化为3×3卷积，其中ldentity层特点为输入直接等于输出，卷积操作必须要将每个通道累加后进行输出，若要保证每个通道元素输入输出相等，只需将当前通道卷积核参数设置为1，其余的卷积核参数为0即可，即构造出一个以单位矩阵为卷积核的1×1卷积即可，将ldentity层转换为1×1卷积后，在通过上述方法继续转换为3×3的卷积； S4：人脸检测，加载FH-EFACE推理时权重，对模型进行初始化操作，然后将处理好的图片输入到模型中进行检测，并获取人脸检测结果。

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南京烽火星空通信发展有限公司，其通讯地址为：210019 江苏省南京市建邺区云龙山路88号烽火科技大厦A栋26F；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”。

以上内容由龙图腾AI智能生成。