人脸美丽预测方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了人脸美丽预测方法、装置及存储介质，其中方法包括：获取人脸图像；对人脸图像提取图像特征；根据图像特征分类得到人脸美丽判断结果；其中，在训练人脸美丽预测网络至特征稳定状态后，通过自纠正机制纠正标签中的噪声标签。通过自纠正机制纠正噪声标签，使噪声标签变成正确标签，然后重新对人脸美丽预测网络训练得到正确的人脸美丽判断结果；在重新训练的过程中，对人脸美丽预测网络的参数进行调整以优化人脸美丽预测网络，提高人脸美丽预测网络的泛化能力和分类准确性。

【技术实现步骤摘要】
人脸美丽预测方法、装置、系统及存储介质
本专利技术涉及图像识别领域，特别是人脸美丽预测方法、装置、系统及存储介质。
技术介绍
人脸美丽预测网络模型在进行预测前需要大量的训练；用于训练人脸美丽预测网络模型的人脸图像样本需要人为标注标签，但是由于审美疲劳、主观审美偏差等因素的影响，会造成标签标注错位，从而出现噪声标签，噪声标签的学习容易对人脸美丽预测网络模型的泛化能力造成损害。
技术实现思路
本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供人脸美丽预测方法、装置及存储介质。本专利技术解决其问题所采用的技术方案是：本专利技术的第一方面，人脸美丽预测方法，应用于人脸美丽预测网络，所述人脸美丽预测方法包括以下步骤：获取人脸图像，其中所述人脸图像标有标签，所述标签与所述人脸图像一一对应，所述标签包括正确标签和噪声标签；对所述人脸图像提取图像特征；根据所述图像特征分类得到人脸美丽判断结果；其中，在训练所述人脸美丽预测网络至特征稳定状态后，通过自纠正机制纠正所述标签中的噪声标签。本文档来自技高网...

【技术保护点】
1.人脸美丽预测方法，其特征在于，应用于人脸美丽预测网络，所述人脸美丽预测网络包括输入层、特征提取层和分类层，所述人脸美丽预测方法包括以下步骤：/n通过所述输入层获取人脸图像，其中所述人脸图像标有标签，所述标签与所述人脸图像一一对应，所述标签包括正确标签和噪声标签；/n通过所述特征提取层对所述人脸图像提取图像特征；/n通过所述分类层根据所述图像特征分类得到人脸美丽判断结果；/n其中，在训练所述人脸美丽预测网络至特征稳定状态后，通过自纠正机制纠正所述标签中的噪声标签。/n

【技术特征摘要】
1.人脸美丽预测方法，其特征在于，应用于人脸美丽预测网络，所述人脸美丽预测网络包括输入层、特征提取层和分类层，所述人脸美丽预测方法包括以下步骤：
通过所述输入层获取人脸图像，其中所述人脸图像标有标签，所述标签与所述人脸图像一一对应，所述标签包括正确标签和噪声标签；
通过所述特征提取层对所述人脸图像提取图像特征；
通过所述分类层根据所述图像特征分类得到人脸美丽判断结果；
其中，在训练所述人脸美丽预测网络至特征稳定状态后，通过自纠正机制纠正所述标签中的噪声标签。


2.根据权利要求1所述的人脸美丽预测方法，其特征在于，还包括以下步骤：
计算所有所述人脸图像的损失值；
将所述损失值小于第一设定阈值的人脸图像所对应的标签归类为所述正确标签，并将所述损失值大于第一设定阈值的人脸图像所对应的标签归类为所述噪声标签。


3.根据权利要求2所述的人脸美丽预测方法，其特征在于，还包括以下步骤：判定所述人脸美丽预测网络是否处于所述特征稳定状态；当所述人脸美丽预测网络的总损失函数小于第二设定阈值，所述人脸美丽预测网络处于所述特征稳定状态，其中所述总损失函数为所有人脸图像的特征方差总和与正确标签的损失值之和。


4.根据权利要求3所述的人脸美丽预测方法，其特征在于，所述自纠正机制具体为：通过纠正公式返回的类别替换对应的所述人脸图像的类别；所述纠正公式为式中Ftop是所述噪声标签的特征，是所述人脸图像的特征方差；其中所述人脸图像标有多种标签，具有相同所述标签的所述人脸图像归为一个类别。


5.人脸美丽预测装置，其特征在于，应用人脸美丽预测网络，所述人脸美丽预测装置包括：
输入模块，用于输入人脸图像，其中所述人脸图像标有标签，所述标签与所述人脸图像一一对应，所述标签包括正确标签和噪声标签；
特征提取模块，用于对所述人脸图像提取图像特征；
分类模块，用于根据所述图像特征分类得到人脸美丽判断结果；
纠正模块，用于在训练所述人脸美丽...

【专利技术属性】
技术研发人员：甘俊英，吴必诚，翟懿奎，何国辉，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44