基于弱监督的人脸年龄自动估计方法技术

本发明专利技术涉及一种基于弱监督的人脸年龄自动估计方法，包含以下步骤：预处理、根据图片本身的均值和方差对图片做归一化；卷积神经网络；提取特征向量和类别；计算每个类别的特征向量的中心点；计算每个图片与每个类别中心点的距离；根据图片与每个类别中心点的距离估算年龄。本发明专利技术依靠年龄段弱标签可以自动训练强分类具体年龄模型，该模型对一张未标注的图片自动估计具体年龄，减少了对人工精确标记的依赖。并且该算法从弱分类年龄段到强分类具体年龄的计算非常简单。

An automatic face age estimation method based on weak supervision

【技术实现步骤摘要】
基于弱监督的人脸年龄自动估计方法
本专利技术涉及人脸年龄自动估计方法，尤其是基于弱监督的人脸年龄自动估计方法。
技术介绍
人脸年龄自动估计指提供一张图片，自动识别出图中人物的年龄。这项技术有很多应用，如视频监控、产品推荐、人机交互、市场分析、用户画像、年龄变化预测等。近些年来随着深度学习特别是卷积神经网络领域的发展，人脸年龄估计算法的性能也得到了快速的提高。但是使用算法进行年龄估计仍是一个比较困难的任务，人脸年龄与头骨形状、五官位置、皱纹等都有一定关系，而且会受到光照、姿态、表情等的影响,即使是人类对年龄的观察估计也会有很大偏差，因此人工标记年龄也不精确。当前的大部分基于机器学习的年龄估计方法需要依赖人工标记精确年龄，然后让算法去自动学习图片和标记的年龄之间的对应关系。因为标记不精确，学习到的模型也有误差。并且人工标记是一个很费时的工作，很多时候获取不到具有精确标记的人脸年龄数据。
技术实现思路
本专利技术目的在于提供一种基于弱监督的人脸年龄估计方法，此处弱监督(或称弱标签)是指人工对一张图片进行年龄标记的时候，不需要标记精本文档来自技高网...

【技术保护点】
1.基于弱监督的人脸年龄自动估计方法，包含以下步骤：/n步骤一、预处理：对人脸图像，统一缩放和裁剪为设定尺寸,根据图片本身的均值和方差对图片做归一化；/n步骤二、卷积神经网络：卷积神经网络使用任一种卷积神经网络模型，以经典的残差网络为例，它包含若干卷积层和最后的全连接分类层，各层之间使用直接映射来连接；/n步骤三、提取特征向量和类别:神经网络的最终输出为图片所对应的类别得分，最后的全连接分类层的输入特征为图片对应的特征向量；/n步骤四、计算每个类别的特征向量的中心点：取训练集中的所有图片,按类别分组，计算每组对应特征向量集合的中心点；/n步骤五、计算每个图片与每个类别中心点的距离：对一个待测试...

【技术特征摘要】
1.基于弱监督的人脸年龄自动估计方法，包含以下步骤：
步骤一、预处理：对人脸图像，统一缩放和裁剪为设定尺寸,根据图片本身的均值和方差对图片做归一化；
步骤二、卷积神经网络：卷积神经网络使用任一种卷积神经网络模型，以经典的残差网络为例，它包含若干卷积层和最后的全连接分类层，各层之间使用直接映射来连接；
步骤三、提取特征向量和类别:神经网络的最终输出为图片所对应的类别得分，最后的全连接分类层的输入特征为图片对应的特征向量；
步骤四、计算每个类别的特征向量的中心点：取训练集中的所有图片,按类别分组，计算每组对应特征向量集合的中心点；
步骤五、计算每个图片与每个类别中心点的距离：对一个待测试的图片，提取特征向量后，计算该特征向量与每个类别中心点的距离，计算公式如下：
dj_i＝(fj-Ci)×(fj-Ci)
其中，fj表示第j个测试的图片，Ci表示第i个类别的中心点；dj_i表示待测试的图片与Ci的距离；
步骤六、根据图片与每个类别中心点的距离估算年龄：对一...

【专利技术属性】
技术研发人员：胡玉帅，沈修平，
申请(专利权)人：上海悠络客电子科技股份有限公司，
类型：发明
国别省市：上海;31