【技术实现步骤摘要】
人像属性模型构建方法、装置、计算机设备和存储介质
本申请涉及人像识别
，特别是涉及一种人像属性模型构建方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的发展，AI(artificialintelligence，人工智能)人像技术越来越成熟，其能够给人们生活带来更多乐趣与便捷，例如人脸检测门禁系统、AI人像拍照技术、AI人像图片合成技术。AI人像模型是AI人像技术的基础，传统AI人像模型训练需要大量的数据集及标签，标注标签需要花费大量的时间成本和经济成本，用大量数据训练模型需要很长时间。因此，目前急需一种高效的人像属性模型构建方案。
技术实现思路
基于此，有必要针对上述技术问题，提供一种高效的人像属性模型构建方法、装置、计算机设备和存储介质。一种人像属性模型构建方法，所述方法包括：获取人脸检测数据，确定感兴趣的人脸区域；随机标注部分所述感兴趣的人脸区域的人像属性，获得训练样本；根据所述训练样本对人像属性模型进行训练；根据已训练的人像属性模型输出的未标注的样本集，通过主动学习算法优化已训练的人像属性模型，得到优化后的人像属性模型。在其中一个实施例中，所...
【技术保护点】
1.一种人像属性模型构建方法，所述方法包括：获取人脸检测数据，确定感兴趣的人脸区域；随机标注部分所述感兴趣的人脸区域的人像属性，获得训练样本；根据所述训练样本对人像属性模型进行训练；根据已训练的人像属性模型输出的未标注的样本集，通过主动学习算法优化已训练的人像属性模型，得到优化后的人像属性模型。
【技术特征摘要】
1.一种人像属性模型构建方法，所述方法包括：获取人脸检测数据，确定感兴趣的人脸区域；随机标注部分所述感兴趣的人脸区域的人像属性，获得训练样本；根据所述训练样本对人像属性模型进行训练；根据已训练的人像属性模型输出的未标注的样本集，通过主动学习算法优化已训练的人像属性模型，得到优化后的人像属性模型。2.根据权利要求1所述的方法，其特征在于，所述根据已训练的人像属性模型输出的未标注的样本集，通过主动学习算法优化已训练的人像属性模型，得到优化后的人像属性模型包括：获取已训练的人像属性模型输出的未标注的样本集；调用预设查询函数，从所述未标注的样本集中选择需标注的样本；标注所述需标注的样本，得到标注好的样本；将所述标注好的样本加入所述历史已标注样本集合，形成新的训练样本集合；根据所述新的训练样本集合优化所述已训练的人像属性模型，将优化后的所述已训练的人像属性模型重新作为已训练的人像属性模型。3.根据权利要求1所述的方法，其特征在于，所述随机标注部分所述感兴趣的人脸区域的人像属性，获得训练样本包括：将多个确定的感兴趣的人脸区域作为数据集；随机选取所述数据集中部分感兴趣的人脸区域作为待标注样本；推送所述待标注样本至人像属性标注服务器；接收所述人像属性标注服务器反馈的人像属性标注结果，得到训练样本，所述人像属性标注结果由所述人像属性标注服务器根据待标注属性指标集合对所述待标注样本进行人像属性标注得到，所述待标注属性指标集合包括年龄、性别、有无刘海、是否戴眼镜、化妆类型、是否描眉、是否涂口红、是否腮红、发型、皮肤状态、脸型、人脸上下停对比、人脸三停对比、胡须类型、眉毛形态以及是否有抬头纹的属性指标。4.根据权利要求1所述的方法，其特征在于，所述获取人脸检测数据，确定感兴趣的人脸区域包括：获取人脸检测数据；将所述人脸检测数据输入至已训练的神经网络模型，确定感兴趣的人脸区域，所述已训练的神经网络模型以样本数据中人脸检测数据为输入数据、并以样本数据中人脸位置作为输出，使用反向传播算法以及交叉熵损失对神经网络模型中预设的参数进行调整，直到训练次数达到预设的阈值，其中，所述交叉熵损失是通过所述神经网络模型对所述样本数据中人脸检测数据进行识别，得到预测人脸...
【专利技术属性】
技术研发人员：姚旭峰，徐国强，邱寒，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。