一种基于深度学习框架的头像性别识别方法及系统技术方案

本发明专利技术适用于头像处理技术领域，提供了一种基于深度学习框架的头像性别识别方法及系统，识别方法通过依次采集包括性别及用户昵称的学习头像样本集，对学习头像样本集的头像样本对应的用户昵称文本做预处理，将昵称文本按字符细粒度进行分割，缩小学习头像样本集的头像样本内的用户头像至预设尺寸，将处理后的头像样本集输入深度学习模型以训练模型，输入待测用户的用户昵称和头像，最后利用训练好的深度学习模型预测用户性别，识别系统包括数据处理模块和模型处理模块，模型处理模块用于进行模型训练后，通过输入处理后的待测头像样本对待测用户的性别进行预测，本发明专利技术利用用户头像和昵称文本数据联合预测，准确率提高很多。

A method and system of head image gender recognition based on deep learning framework

【技术实现步骤摘要】
一种基于深度学习框架的头像性别识别方法及系统
本专利技术属于头像处理
，尤其涉及一种基于深度学习框架的头像性别识别方法及系统。
技术介绍
微信公众平台主要面向名人、政府、媒体、企业等机构推出的合作推广业务。在这里可以通过渠道将品牌推广给线上平台作用。在微信公众号上进行广告推广是一种常见的广告推广方式。但是企业在进行广告投放时需要考虑该该公号背后用户性别分布，从而可以针对性投放广告或服务。而现阶段预测用户性别，大部分依据头像上真实人物性别或者类似姓名昵称单一渠道进行预测，不能有效的预测用户性别分布。而且真实场景用户头像包含宠物，明星，风景，地表，卡通等内容，不能像真实人物头像直接预测性别，预测准确性不足。
技术实现思路
本专利技术提供一种基于深度学习框架的头像性别识别方法及系统，旨在解决不能有效的预测用户性别分布和预测准确性不足的问题。本专利技术是这样实现的，一种基于深度学习框架的头像性别识别方法及系统，包括以下步骤：S1、采集包括性别及用户昵称的学习头像样本集；S2、对所述学习头像样本集本文档来自技高网...

【技术保护点】
1.一种基于深度学习框架的头像性别识别方法，其特征在于：包括以下步骤：/nS1、采集包括性别及用户昵称的学习头像样本集；/nS2、对所述学习头像样本集的头像样本对应的用户昵称文本做预处理，将昵称文本按字符细粒度进行分割；/nS3、缩小所述学习头像样本集的头像样本内的用户头像至预设尺寸；/nS4、将步骤S2和步骤S3处理后的所述头像样本集输入深度学习模型以训练模型；/nS5、输入待测用户的用户昵称和头像，利用训练好的所述深度学习模型预测用户性别。/n

【技术特征摘要】
1.一种基于深度学习框架的头像性别识别方法，其特征在于：包括以下步骤：
S1、采集包括性别及用户昵称的学习头像样本集；
S2、对所述学习头像样本集的头像样本对应的用户昵称文本做预处理，将昵称文本按字符细粒度进行分割；
S3、缩小所述学习头像样本集的头像样本内的用户头像至预设尺寸；
S4、将步骤S2和步骤S3处理后的所述头像样本集输入深度学习模型以训练模型；
S5、输入待测用户的用户昵称和头像，利用训练好的所述深度学习模型预测用户性别。


2.如权利要求1所述的一种基于深度学习框架的头像性别识别方法，其特征在于：
步骤S1中，将所述头像样本集分为训练集和测试集；
步骤S2中，对所述训练集和所述测试集对应的用户昵称文本做预处理；
步骤S3中，缩小所述训练集和所述测试集的头像样本内的用户头像至预设尺寸；
步骤S4中，将步骤S2和步骤S3处理后的所述训练集输入深度学习模型以训练模型，将步骤S2和步骤S3处理后的所述测试集输入到训练好的所述深度学习模型以测试所述深度学习模型的预测正确率，当所述深度学习模型的测试正确率不低于一个预设值时，则训练完成；
步骤S5中，输入待测用户的带有用户昵称的待测头像样本集，利用训练完成的所述深度学习模型预测用户的性别。


3.如权利要求1所述的一种基于深度学习框架的头像性别识别方法，其特征在于：步骤S2中，将昵称文本的长度统一为20，长度不足20的，用0填充至20，长度超过20的截取前20位。


4.如权利要求1所述的一种基于深度学习框架的头像性别识别方法，其特征在于：步骤S3中，所述预设尺寸为120×120。


5.如权利要求1所述的一种基于深度学...

【专利技术属性】
技术研发人员：巩乐，
申请(专利权)人：上海昌投网络科技有限公司，
类型：发明
国别省市：上海;31