CN114445667A - 图像检测方法和用于训练图像检测模型的方法 - Google Patents

Abstract

本公开提供了一种图像检测方法和用于训练图像检测模型的方法，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别等场景。实现方案为：将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于多个特征提取网络的多个特征，其中，多个特征中的每一个特征分别指示目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和多个分类中与该特征对应的特征提取网络所对应的分类，第一分类区别于多个分类中的任何一个分类；基于多个特征，获得融合特征；以及基于融合特征，获得目标图像的二分类结果，二分类结果指示目标图像是否对应于第一分类。

Description

图像检测方法和用于训练图像检测模型的方法

技术领域

本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别等场景，具体涉及一种图像检测方法和用于训练图像检测模型的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

基于人工智能的图像检测技术，已经渗透到各个领域。其中，基于人工智能的人脸活体检测技术，根据用户输入的图像数据，判断该图像数据是否来自于人脸活体。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像检测方法，包括：将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于所述多个特征提取网络的多个特征，其中，所述多个特征中的每一个特征分别指示所述目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和所述多个分类中与该特征对应的特征提取网络所对应的分类，所述第一分类区别于所述多个分类中的任何一个分类；基于所述多个特征，获得融合特征；以及基于所述融合特征，获得所述目标图像的二分类结果，所述二分类结果指示所述目标图像是否对应于所述第一分类。

根据本公开的另一方面，提供了一种用于训练图像检测模型的方法，其中，所述图像检测模型包括多个特征提取网络、特征融合模块和分类网络，所述特征融合模块用于基于所述多个特征提取网络所提取的多个特征获得融合特征，所述分类网络用于基于所述融合特征获得二分类结果，所述二分类结果指示所述图像检测模型的输入图像是否对应于第一分类；所述方法包括：获取训练图像集，所述训练图像集包括与第一分类对应的多个第一图像和与所述多个分类中的每一个分类对应的多个第二图像，所述多个分类与所述多个特征提取网络分别对应，所述多个分类中的每一个分类区别于所述第一分类；对于所述多个特征网络中的每一个特征提取网络，利用所述多个第一图像和对应的多个第二图像构成的训练图像子集，对该特征提取网络进行相应的二分类训练，以调整该特征提取网络的参数，该相应的二分类训练与包括所述第一分类和第二分类的两个分类相应，该第二分类为所述多个分类中的与该特征提取网络相应的分类；采用所述多个特征提取网络中的每一个特征提取网络的经调整的参数更新所述图像检测模型；以及利用所述训练图像集对经更新的图像检测模型进行与所述分类结果对应的二分类训练，以调整所述经更新的图像检测模型的参数，所述经更新的图像检测模型的参数包括所述分类网络的参数。

根据本公开的另一方面，提供了一种图像检测装置，包括：特征提取单元，被配置用于将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于所述多个特征提取网络的多个特征，其中，所述多个特征中的每一个特征分别指示所述目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和所述多个分类中与该特征对应的特征提取网络所对应的分类，所述第一分类区别于所述多个分类中的任何一个分类；特征融合单元，被配置基于所述多个特征，获得融合特征；以及第一分类单元，被配置用于基于融合特征，获得所述目标图像的二分类结果，所述二分类结果指示所述目标图像是否对应于所述第一分类。

根据本公开的另一方面，提供了一种用于训练图像检测模型的装置，其中，所述图像检测模型包括多个特征提取网络、特征融合模块和分类网络，所述特征融合模块用于基于所述多个特征提取网络所提取的多个特征获得融合特征，所述分类网络用于基于所述融合特征获得二分类结果，所述二分类结果指示所述图像检测模型的输入图像是否对应于第一分类；所述方法包括：训练图像获取单元，被配置用于获取训练图像集，所述训练图像集包括与第一分类对应的多个第一图像和与所述多个分类中的每一个分类对应的多个第二图像，所述多个分类与所述多个特征提取网络分别对应，并且，所述多个分类中的每一个分类区别于所述第一分类；第一训练单元，被配置用于对于所述多个特征网络中的每一个特征提取网络，利用所述多个第一图像和对应的多个第二图像构成的训练图像子集，对该特征提取网络进行相应的二分类训练，以调整该特征提取网络的参数，该相应的二分类训练与包括所述第一分类和第二分类的两个分类相应，该第二分类为所述多个分类中的与该特征提取网络相应的分类；调整单元，被配置用于采用所述多个特征提取网络中的每一个特征提取网络的经调整的参数更新所述图像检测模型；以及第二训练单元，被配置用于利用所述训练图像集对经更新的图像检测模型进行与所述分类结果对应的二分类训练，以调整所述经更新的图像检测模型的参数，所述经更新的图像检测模型的参数包括所述分类网络的参数。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器实现根据上述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机实现根据上述的方法。

根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。

通过对应于多个分类的多个特征提取网络，获得多个特征，该多个特征对应于多个分类所对应的多种类型，基于该多个特征进行特征融合后的融合特征，获得二分类结果，使二分类结果与多个二分类特征相关，使二分类结果是考虑了多种类型的特征之后的鲁棒的结果，使分类结果准确。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的图像检测方法的流程图；

图3示出了根据本公开的实施例的图像检测方法中基于多个特征获得融合特征的过程的流程图；

图4示出了根据本公开的实施例的用于训练图像检测模型的方法中图像检测模型的示意性框图；

图5示出了根据本公开的实施例的用于训练图像检测模型的方法的流程图；

图6示出了根据本公开的实施例的图像检测装置的结构框图；

图7示出了根据本公开的实施例的用于训练图像检测模型的装置的结构框图；以及

图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行图像检测方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来接收分类结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

参看图2，根据本公开的一些实施例的一种图像检测方法200包括：

步骤S210：将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于所述多个特征提取网络的多个特征；

步骤S220：基于所述多个特征，获得融合特征；以及

步骤S230：基于所述融合特征，获得所述目标图像的二分类结果，所述二分类结果指示所述目标图像是否对应于所述第一分类。

其中，在步骤S210中，所述多个特征中的每一个特征分别指示所述目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和所述多个分类中与该特征对应的特征提取网络所对应的分类，所述第一分类区别于所述多个分类中的任何一个分类。

根据本公开的实施例，通过对应于多个分类的多个特征提取网络，获得多个特征，该多个特征对应于多个分类所对应的多种类型，基于该多个特征进行特征融合后的融合特征，获得二分类结果，使二分类结果与多个二分类特征相关，使二分类结果是考虑了多种类型的特征之后的鲁棒的结果，使分类结果准确。

在相关技术中，通过用户输入的包含人脸的图像或者所拍摄的包含人脸的图像，进行人脸活体检测，以获得该包含人脸的图像是来自于人脸活体，还是来自于攻击。由于攻击的种类繁多，并且来自于攻击的图像的特征与来自于人脸活体的图像的特征往往非常相近，使图像检测过程中，所采用的检测模型往往不具有很好的鲁棒性，从而使获得的人脸活体检测结果不够准确。例如，用于输入的包含人脸的图像为针对屏幕中的人脸拍摄的屏幕攻击图像，检测模型往往基于包含人脸的图像中的屏幕边框识别图像为屏幕攻击图像，而不能针对包含人脸的图像中的屏幕摩尔纹识别图像为屏幕攻击图像。

在根据本公开的实施例中，在针对包含人脸的图像进行人脸活体检测的过程中，可以实现检测模型对应于攻击分类中的多种类型的攻击特征均进行识别，以基于该多种类型的攻击特征，获得包含人脸的图像是否来自于人脸活体的二分类结果，该检测模型对应于多种类型的攻击特征具有很好的鲁棒性，从而使获得的二分类结果是鲁棒的结果。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

在一些实施例中，目标图像可以是任意需要对其进行检测以对其进行分类的图像。例如，目标图像是需要对其进行检测以确定其是否为波斯猫分类的包括猫的图像。

在一些实施例中，在人脸活体检测的应用中，目标图像是包含有人脸的图像。其中，第一分类为人脸活体分类，多个分类是与攻击分类中的多种图像的特征对应的分类。例如，多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

在一些实施例中，多个分类还可以包括与包含合成图的图像特征对应的分类。

需要理解的是，本公开的实施例中，以人脸活体检测的应用为示例进行说明，仅仅是示例性的，本领域技术人员应当理解，本公开的方案可以应用与对任何图像进行检测以对其进行分类的应用中。

在一些实施例中，通过图像检测模型实现本公开的方法，其中，图像检测模型包括步骤S210中的多个特征提取网络。

在一些实施例中，多个特征提取网络中的每一个特征提取网络可以是卷积神经网络。

在一些实施例中，多个特征提取网络分别经过二分类训练而来，以使所提取的特征指示目标图像与相应的两个分类中的每一个分类对应的概率。

在一些实施例中，多个特征提取网络中的每一个特征提取网络所提取的特征为1×2维特征。例如，多个特征提取网络中的每一个特征提取网络所提取的特征为向量[m,n]，其中，m和n为加和为1的0到1之间的数值。

在一些实施例中，多个特征提取网络中的每一个特征提取网络对应于多个通道，如图3所示，所述基于所述多个特征，获得融合特征包括：

步骤S310：对所述多个特征中的每一个特征，进行自适应特征激发，以获得该特征对应于多个通道的多个权重；

步骤S320：对于所述多个特征中的每一个特征，基于该特征和对应的多个权重，获得加权特征；以及

步骤S330：基于所述多个特征对应的多个加权特征，获得所述融合特征。

对于多个特征中的每一个特征，通过特征激发获得对应于多个通道的权重，使特征中对二分类结果较重要的通道具有较高的权重，从而使最终的二分类结果准确。

在一些实施例中，多个特征提取网络中的每一个特征提取网络所提取的特征为1×1×C维特征，其中C为通道数。通过对多个特征中的每一个特征进行自适应特征激发，获得多个通道中的每一个通道的权重，并基于该多个通道中每一个通道的权重对该特征进行加权，即将每个通道上的1×1维特征分别乘以权重。

在一些实施例中，对多个特征对应的加权特征采用池化网络进行池化，以获得1×2维特征。所获得的1×2维特征为向量[s,t]，其中，s和t为加和为1的0到1之间的数值。

在一些实施例中，基于对经过池化后的加权特征进行融合包括，将多个1×2维特征融合成1×2×N维特征，该1×2×N维特征为融合特征，其中，N表示多个1×2维特征的数量。

在一些实施例中，对融合特征采用池化网络进行池化，获得最终的二分类结果。

根据本公开的另一方面，还提供了用于训练图像检测模型的方法，其中，如图4所示，图像检测模型400包括特征提取模块410、特征融合模块420和分类网络430，其中，特征提取模块410包括多个特征提取网络，例如特征提取网络411-41x(x为正整数)，特征融合模块420用于基于多个特征提取网络所提取的多个特征获得融合特征，分类网络430用于基于融合特征获得二分类结果，二分类结果指示检测模型的输入图像是否对应于第一分类。

如图5所示，根据本公开的一些实施例，训练图像检测模型的方法500包括：

步骤S510：获取训练图像集；

步骤S520对于所述多个特征网络中的每一个特征提取网络，利用所述多个第一图像和对应的多个第二图像构成的训练图像子集，对该特征提取网络进行相应的二分类训练，以调整该特征提取网络的参数；

步骤S530：采用所述多个特征提取网络中的每一个特征提取网络的经调整的参数更新所述图像检测模型；以及

步骤S540：利用所述训练图像集对经更新的图像检测模型进行与所述分类结果对应的二分类训练，以调整所述经更新的图像检测模型的参数。

其中，在步骤S510中，所述训练图像集包括与第一分类对应的多个第一图像和与所述多个分类中的每一个分类对应的多个第二图像，所述多个分类与所述多个特征提取网络分别对应，所述多个分类中的每一个分类区别于所述第一分类；在步骤S530中，该相应的二分类训练与包括所述第一分类和第二分类的两个分类相应，该第二分类为所述多个分类中的与该特征提取网络相应的分类；在步骤S540，所述经更新的图像检测模型的参数包括所述分类网络的参数。

对于基于多种类型的特征进行分类的图像检测模型，在对图像检测模型训练过程中，首先基于对应于多种类型的特征的多个分类的图像对多个特征提取网络分别进行二分类训练，使经训练的特征提取网络能够针对特定类型的特征进行特征提取，并且所提取的特征能够进行在多个分类中的该特定类型的特征对应的分类与第一分类之间的区分，再对基于经训练的特征提取网络的参数进行调整后的图像检测模型进行模型的整体训练，使得最终训练的图像检测模型能够兼顾基于多种类型的特征进行分类，即使最终训练的图像检测模型是鲁棒的。

在一些实施例中，对基于多种类型的特征进行图像分类的图像检测模型，其训练过程往往采用与多种类型的特征相应的多个分类所对应的多个图像，从图像检测模型的特征提取网络端训练到分类网络端，即特征提取网络和分类网络一起训练，由于不同类型的特征往往包含不同的数据量，将对应于各种类型的特征的图像对图像检测模型进行训练，往往使图像检测模型无法收敛到较好的效果。

根据本公开的实施例，采用两步训练过程训练图像检测模型，在第一步训练过程中，对图像检测模型的多个特征提取网络分别进行训练，在第二不训练过程中，对图像监测模型整体进行训练，使图像检测模型具有较好的收敛效果。

在一些实施例中，图像检测模型应用于人脸活体检测中。其中，第一分类为人脸活体分类，多个分类是与攻击分类中的多种图像的特征对应的分类。例如，多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

在一些实施例中，多个特征提取网络包括与包含屏幕边框的图像所对应的分类相应的第一特征提取网络，与包含反光屏幕的图像所对应的分类相应的第二特征提取网络和与包含屏幕摩尔纹的图像所对应的分类相应的第三特征提取网络。

在一些实施例中，多个第一图像和多个第二图像均为包含有人脸的图像。其中，多个第一图像为来自多个人脸活体的图像，多个第二图像为多个包含有屏幕边框的图像，多个包含有反光屏幕的图像以及多个包含屏幕摩尔纹的图像。

在一些实施例中，来自多个人脸活体的图像和多个包含有屏幕边框的图像的构成第一训练图像子集，以训练第一特征提取网络；来自多个人脸活体的图像和多个包含有反光屏幕的图像构成第二训练图像子集，以训练第二特征提取网络；来自多个人脸活体的图像和多个包含屏幕摩尔纹的图像构成第三训练图像子集，以训练第三特征提取网络。

在一些实施例中，第一特征提取网络、第二特征提取网络和第三特征提取网络均包括多个卷积层和多个池化层构成的卷积神经网络。

根据本公开的实施例，在对图像检测模型采用两步训练过程进行训练的过程中，对第一特征提取网络、第二特征提取网络和第三特征提取网络分别采用对应的训练图像子集进行训练。

在一些实施例中，训练第一特征提取网络的过程中，将第一训练图像子集中的每一个图像输入至第一特征提取网络，同时将第一特征提取网络的输出输入至第一softmax层，基于第一softmax层计算的损失调整第一特征提取网络。其中，第一softmax层基于第一特征网络输出的指示图像分别对应于人脸活体分类和包含有屏幕边框的图像所对应的分类的概率的预测结果，计算损失。

在一些实施例中，训练第二特征提取网络的过程中，将第二训练图像子集中的每一个图像输入至第二特征提取网络，同时将第二特征提取网络的输出输入至第二softmax层，基于第二softmax层计算的损失调整第二特征提取网络。其中，第二softmax层基于第二特征网络输出的指示图像分别对应于人脸活体分类和包含有反光屏幕的图像所对应的分类的概率的预测结果计算损失。

在一些实施例中，训练第三特征提取网络的过程中，将第三训练图像子集中的每一个图像输入至第三特征提取网络，同时将第三特征提取网络的输出输入至第三softmax层，基于第三softmax层计算的损失调整第三特征提取网络。其中，第三softmax层基于第三特征网络输出的指示图像分别对应于人脸活体分类和包含有屏幕摩尔纹的图像所对应的分类的概率的预测结果计算损失。

在一些实施例中，采用将第一步训练过程中训练好的第一特征提取网络、第二特征提取网络和第三特征提取网络的参数更新图像检测模型，更新后的图像监测模型中第一特征提取网络、第二特征提取网络和第三特征提取网络与前述第一步训练过程中训练好的第一特征提取网络、第二特征提取网络和第三特征提取网络的参数一致。

在根据本公开的实施例中，在对图像检测模型进行第二步训练过程训练更新后的图像检测模型整体。

例如，将多个第一图像和多个第二图像构成的训练图像集合中的每一个图像输入至更新后的图像检测模型，其中，每一个图像同时输入到多个特征提取网络中的每一个特征提取网络，最终经过softmax层计算损失后，基于损失调整经更新的图像检测模型的参数，其中，经更新的图像检测模型的参数包括分类网络的参数。

在一些实施例中，在第二步训练过程中，经过softmax层计算损失后，基于损失所调整的经更新的图像检测模型的参数还包括多个特征提取网络的参数。在这一过程中，训练时候设置的学习率不能过大，一般设置为以10e-5为单位的值，如0.00008。

在一些实施例中，所述特征融合模块还包括与所述多个特征提取网络对应的多个自适应激发模块，对于所述多个自适应激发模块中的每个自适应激发模块，该自适应激发模块用于对所述多个特征提取网络中对应的特征提取网络所提取的特征进行自适应特征激发，以获得该特征对应于多个通道的多个权重并且基于该多个权重获得该特征对应的加权特征，所述特征融合模块将所述多个特征提取网络所对应的多个加权特征融合成所述融合特征，并且其中，所述经更新的图像检测模型的参数还包括所述多个特征提取网络对应的多个自适应激发模块的参数。

对于多个特征中的每一个特征，通过特征激发获得对应于多个通道的权重，使特征中对二分类结果较重要的通道具有较高的权重，从而使最终的二分类结果准确。

如图4所示，图像检测模型400中的特征融合模块420还包括与特征提取网络411-41x对应的自适应激发模块421-42x。其中，自适应激发模块421对特征提取网络411所提取的特征进行自适应激发以获得特征提取网络411所提取的特征对应于多个通道的权重，并且基于对应于多个通道的权重对特征进行加权以获得加权特征；自适应激发模型42x对特征提取网络41x所提取的特征进行自适应激发以获得特征提取网络41x所提取的特征对应于多个通道的权重，并且基于对应于多个通道的权重对特征进行加权以获得加权特征。

在一些实施例中，多个自适应激发模型还包括对应的多个池化网络，用于分别基于加权特征获得1×2维特征，以使特征融合模块420中的融合子模块421基于多个1×2维特征，获得1×2×x维特征。最后分类网络430基于1×2×x维特征获得分类结果。例如分类结果为1×2维向量，向量中的每一个元素指示输入到图像检测模型的训练图像对应于第一分类的概率和不对应于第一分类的概率。

在一些实施例中，分类网络430包括池化网络。

根据本公开的另一方面，还提供一种图像检测装置，如图6所示，装置600包括：特征提取单元610，被配置用于将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于所述多个特征提取网络的多个特征，其中，所述多个特征中的每一个特征分别指示所述目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和所述多个分类中与该特征对应的特征提取网络所对应的分类，所述第一分类区别于所述多个分类中的任何一个分类；特征融合单元620，被配置基于所述多个特征，获得融合特征；以及第一分类单元630，被配置用于基于所述融合特征，获得所述目标图像的二分类结果，所述二分类结果指示所述目标图像是否对应于所述第一分类。

在一些实施例中，所述多个特征中的每一个特征对应于多个通道，所述特征融合单元620还包括：权重获取单元，被配置用于对所述多个特征中的每一个特征，进行自适应特征激发，以获得该特征对应于多个通道的多个权重；加权单元，被配置用于对于所述多个特征中的每一个特征，基于该特征和对应的多个权重，获得加权特征；以及融合单元，被配置用于对所述多个特征对应的多个加权特征进行特征融合，以获得所述融合特征。

在一些实施例中，所述第一分类包括人脸活体分类，所述多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

根据本公开的另一方面，一种用于训练图像检测模型的装置，其中，所述图像检测模型包括多个特征提取网络、特征融合模块和分类网络，所述特征融合模块用于基于所述多个特征提取网络所提取的多个特征获得融合特征，所述分类网络用于基于所述融合特征获得二分类结果，所述二分类结果指示所述图像检测模型的输入图像是否对应于第一分类；如图7所示，装置700包括：训练图像获取单元710，被配置用于获取训练图像集，所述训练图像集包括与第一分类对应的多个第一图像和与所述多个分类中的每一个分类对应的多个第二图像，所述多个分类与所述多个特征提取网络分别对应，并且，所述多个分类中的每一个分类区别于所述第一分类；第一训练单元720，被配置用于对于所述多个特征网络中的每一个特征提取网络，利用所述多个第一图像和对应的多个第二图像构成的训练图像子集，对该特征提取网络进行相应的二分类训练，以调整该特征提取网络的参数，该相应的二分类训练与包括所述第一分类和第二分类的两个分类相应，该第二分类为所述多个分类中的与该特征提取网络相应的分类；调整单元730，被配置用于采用所述多个特征提取网络中的每一个特征提取网络的经调整的参数更新所述图像检测模型；以及第二训练单元740，被配置用于利用所述训练图像集对经更新的图像检测模型进行与所述分类结果对应的二分类训练，以调整所述经更新的图像检测模型的参数，所述经更新的图像检测模型的参数包括所述多个特征提取网络中的每一个特征提取网络的经调整的参数和所述分类网络的参数。

在一些实施例中，所述特征融合模块还包括与所述多个特征提取网络对应的多个自适应激发模块，对于所述多个自适应激发模块中的每个自适应激发模块，该自适应激发模块用于对所述多个特征提取网络中对应的特征提取网络所提取的特征进行自适应特征激发，以获得该特征对应于多个通道的多个权重并且基于该多个权重获得该特征对应的加权特征，所述特征融合模块将所述多个特征提取网络所对应的多个加权特征融合成所述融合特征，并且其中，所述图像检测模型的参数还包括所述多个特征提取网络对应的多个自适应激发模块的参数。

在一些实施例中，所述第一分类包括人脸活体分类，所述多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

根据本公开的另一方面，还提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有计算机程序，所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。

根据本公开的另一方面，还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现根据上述的方法。

根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。

参考图8，现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

电子设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备，输入单元806可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (15)

1.一种图像检测方法，包括：

将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于所述多个特征提取网络的多个特征，其中，所述多个特征中的每一个特征分别指示所述目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和所述多个分类中与该特征对应的特征提取网络所对应的分类，所述第一分类区别于所述多个分类中的任何一个分类；

基于所述多个特征，获得融合特征；以及

基于所述融合特征，获得所述目标图像的二分类结果，所述二分类结果指示所述目标图像是否对应于所述第一分类。

2.根据权利要求1所述的方法，其中，所述多个特征中的每一个特征对应于多个通道，所述基于所述多个特征，获得融合特征包括：

对所述多个特征中的每一个特征，进行自适应特征激发，以获得该特征对应于多个通道的多个权重；

对于所述多个特征中的每一个特征，基于该特征和对应的多个权重，获得加权特征；以及

基于所述多个特征对应的多个加权特征，获得所述融合特征。

3.根据权利要求1或2所述的方法，其中，所述第一分类包括人脸活体分类，所述多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

4.一种用于训练图像检测模型的方法，其中，所述图像检测模型包括多个特征提取网络、特征融合模块和分类网络，所述特征融合模块用于基于所述多个特征提取网络所提取的多个特征获得融合特征，所述分类网络用于基于所述融合特征获得二分类结果，所述二分类结果指示所述图像检测模型的输入图像是否对应于第一分类；所述方法包括：

获取训练图像集，所述训练图像集包括与第一分类对应的多个第一图像和与所述多个分类中的每一个分类对应的多个第二图像，所述多个分类与所述多个特征提取网络分别对应，所述多个分类中的每一个分类区别于所述第一分类；

对于所述多个特征网络中的每一个特征提取网络，利用所述多个第一图像和对应的多个第二图像构成的训练图像子集，对该特征提取网络进行相应的二分类训练，以调整该特征提取网络的参数，该相应的二分类训练与包括所述第一分类和第二分类的两个分类相应，该第二分类为所述多个分类中的与该特征提取网络相应的分类；

采用所述多个特征提取网络中的每一个特征提取网络的经调整的参数更新所述图像检测模型；以及

利用所述训练图像集对经更新的图像检测模型进行与所述分类结果对应的二分类训练，以调整所述经更新的图像检测模型的参数，所述经更新的图像检测模型的参数包括所述分类网络的参数。

5.根据权利要求4所述的方法，其中，所述特征融合模块还包括与所述多个特征提取网络对应的多个自适应激发模块，

对于所述多个自适应激发模块中的每个自适应激发模块，该自适应激发模块用于对所述多个特征提取网络中对应的特征提取网络所提取的特征进行自适应特征激发，以获得该特征对应于多个通道的多个权重并且基于该多个权重获得该特征对应的加权特征，所述特征融合模块将所述多个特征提取网络所对应的多个加权特征融合成所述融合特征，并且其中，

所述经更新的图像检测模型的参数还包括所述多个特征提取网络对应的多个自适应激发模块的参数。

6.根据权利要求4或5所述的方法，其中，所述第一分类包括人脸活体分类，所述多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

7.一种图像检测装置，包括：

特征提取单元，被配置用于将目标图像分别输入至与多个分类分别对应的多个特征提取网络，以获得对应于所述多个特征提取网络的多个特征，其中，所述多个特征中的每一个特征分别指示所述目标图像与相应的两个分类中的每一个分类对应的概率，该相应的两个分类包括第一分类和所述多个分类中与该特征对应的特征提取网络所对应的分类，所述第一分类区别于所述多个分类中的任何一个分类；

特征融合单元，被配置基于所述多个特征，获得融合特征；以及

第一分类单元，被配置用于基于所述融合特征，获得所述目标图像的二分类结果，所述二分类结果指示所述目标图像是否对应于所述第一分类。

8.根据权利要求7所述的装置，其中，所述多个特征中的每一个特征对应于多个通道，所述特征融合单元还包括：

权重获取单元，被配置用于对所述多个特征中的每一个特征，进行自适应特征激发，以获得该特征对应于多个通道的多个权重；

加权单元，被配置用于对于所述多个特征中的每一个特征，基于该特征和对应的多个权重，获得加权特征；以及

融合单元，被配置用于对所述多个特征对应的多个加权特征进行特征融合，以获得所述融合特征。

9.根据权利要求7或8所述的装置，其中，所述第一分类包括人脸活体分类，所述多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

10.一种用于训练图像检测模型的装置，其中，所述图像检测模型包括多个特征提取网络、特征融合模块和分类网络，所述特征融合模块用于基于所述多个特征提取网络所提取的多个特征获得融合特征，所述分类网络用于基于所述融合特征获得二分类结果，所述二分类结果指示所述图像检测模型的输入图像是否对应于第一分类；所述装置包括：

训练图像获取单元，被配置用于获取训练图像集，所述训练图像集包括与第一分类对应的多个第一图像和与所述多个分类中的每一个分类对应的多个第二图像，所述多个分类与所述多个特征提取网络分别对应，并且，所述多个分类中的每一个分类区别于所述第一分类；

第一训练单元，被配置用于对于所述多个特征网络中的每一个特征提取网络，利用所述多个第一图像和对应的多个第二图像构成的训练图像子集，对该特征提取网络进行相应的二分类训练，以调整该特征提取网络的参数，该相应的二分类训练与包括所述第一分类和第二分类的两个分类相应，该第二分类为所述多个分类中的与该特征提取网络相应的分类；

调整单元，被配置用于采用所述多个特征提取网络中的每一个特征提取网络的经调整的参数更新所述图像检测模型；以及

第二训练单元，被配置用于利用所述训练图像集对经更新的图像检测模型进行与所述分类结果对应的二分类训练，以调整所述经更新的图像检测模型的参数，所述经更新的图像检测模型的参数包括所述分类网络的参数。

11.根据权利要求10所述的装置，其中，所述特征融合模块还包括与所述多个特征提取网络对应的多个自适应激发模块，

对于所述多个自适应激发模块中的每个自适应激发模块，该自适应激发模块用于对所述多个特征提取网络中对应的特征提取网络所提取的特征进行自适应特征激发，以获得该特征对应于多个通道的多个权重并且基于该多个权重获得该特征对应的加权特征，所述特征融合模块将所述多个特征提取网络所对应的多个加权特征融合成所述融合特征，并且其中，

所述图像检测模型的参数还包括所述多个特征提取网络对应的多个自适应激发模块的参数。

12.根据权利要求10或11所述的装置，其中，所述第一分类包括人脸活体分类，所述多个分类包括与包含屏幕边框的图像对应的分类、与包含反光屏幕的图像对应的分类和与包含屏幕摩尔纹的图像对应的分类。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任意一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述的方法。

Images