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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利真实和合成数据联合进行复杂环境人脸关键点检测的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：CN117253277B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202311297013.5，技术领域涉及：G06V40/16；该发明授权真实和合成数据联合进行复杂环境人脸关键点检测的方法是由高皓琪;杨星;王阳阳;穆华;梁振宇;许颢砾;左磊;胡书隆;王秉文;瞿斌;万语科设计研发完成，并于2023-10-09向国家知识产权局提交的专利申请。

本真实和合成数据联合进行复杂环境人脸关键点检测的方法在说明书摘要公布了：本发明提出一种真实和合成数据联合进行复杂环境人脸关键点检测的方法，包括：建立合成人脸数据集和真实人脸数据集；构建循环生成网络，使用优化后的生成器、鉴别器训练优化循环生成网络；利用合成人脸数据集和真实人脸数据集作为输入，分别优化模型结构和损失函数用于改进人脸关键点检测模型；利用所述循环生成网络将真实人脸测试数据转换为同时具有合成人脸和真实人脸两类特征信息的生成人脸数据，输入到改进后的人脸关键点检测模型，检测出人脸关键点的位置信息，再将其映射到真实人脸测试数据上。本发明可用于隐私数据保护以及复杂环境下小样本数据智能任务，且准确率高、泛化能力强、实时性好。

本发明授权真实和合成数据联合进行复杂环境人脸关键点检测的方法在权利要求书中公布了：1.一种真实和合成数据联合进行复杂环境人脸关键点检测的方法，其特征在于，其包括： 利用合成人脸数据x和真实人脸数据y，建立合成人脸数据集X和真实人脸数据集Y； 构建循环生成网络，利用最小二乘化优化循环生成网络的生成器和鉴别器，所述生成器和鉴别器包括两个生成器Gx和Gy，以及两个鉴别器Dx和Dy； 利用最小二乘化优化循环生成网络的生成器和鉴别器具体包括：建立最小二乘化的优化函数LLSGAN,LLSGAN＝Ex～Px[Dxx2]+Ex～Py[1‑DxGxx2]      1其中，x表示合成人脸数据，Ex～Px表示x来自于合成数据分布的Px概率，Dxx表示对合成样本进行判别时越接近1越好，Ex～Py表示x来自于真实数据集分布的Py概率，Gxx表示利用生成器Gx生成的数据集； 利用循环一致性函数确保生成器生成图像数据能够转换回原目标域，具体方法包括： 建立循环一致性函数LCyc,LCyc＝Ex～Px[||GyGxx‑x||1]+Ey～Py[||GxGyy‑y||1]      2其中，Ex～Px表示x来自于合成人脸数据集Px的概率，GyGxx表示重建后的合成人脸数据集，y表示真实人脸数据，Ey～Py表示y来自于真实人脸数据分布的Py概率，GxGyy表示重建后的真实人脸数据集； 使用本体隐射函数确保生成器输入图像和输出图像的颜色分布相似度，具体方法包括：建立本体隐射函数LIde，LIde＝Ex～Px[||x‑Gyx||1]+Ey～Py[||y‑Gxy||1]       3其中，Ex～Px表示x来自于合成人脸数据分布的Px概率，Gyx表示把合成人脸数据集x输入到Gy生成器中进行重建，Ey～Py表示y来自于真实人脸数据分布的Py概率，Gxy表示把真实人脸数据y输入到Gx生成器中进行重建； 利用感知损失函数确保生成器确保输入图像和输出图像之间的特征信息一致性；具体方法包括：建立感知损失函数Lper，其中，φj是预训练Resnet50网络在特定j层次提取的高级特征，其中每个层次都会生成一个Cj*Hj*Wj大小的特征图，C表示特征图的通道数，H表示特征图的高度，W表示特征图的宽度，j为自然数； 使用优化后的生成器、鉴别器训练优化循环生成网络； 把合成人脸数据集和真实人脸数据集作为输入，利用注意力机制优化Hourglass模型中的残差块、并利用人脸面部地标热力图信息优化损失函数，训练改进人脸关键点检测模型； 利用所述循环生成网络将真实人脸测试数据转换为同时具有合成人脸特征和真实人脸特征的生成人脸数据，将所述生成人脸数据输入到改进后的所述人脸关键点检测模型，检测出人脸关键点的位置信息，再将所述人脸关键点位置信息映射到真实人脸测试数据上。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109号；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。