识别年龄的方法、年龄识别模型的训练方法和装置制造方法及图纸

本发明专利技术提供了一种识别年龄的方法、年龄识别模型的训练方法和装置，该识别年龄的方法包括：获取包含有目标对象的待识别图像；将待识别图像输入至预先训练完成的年龄识别模型中，得到目标对象的年龄；该方式中的年龄识别模型训练过程为：基于第一数据集训练年龄识别模型的初始模型，得到中间模型；该第一数据集中的训练数据携带有类别标签和/或身份标签；基于第二数据集训练中间模型，得到年龄识别模型；该第二数据集中的训练数据携带有年龄标签。由于该方式中的中间模型已具有图像分类或者身份识别功能，再基于携带有年龄标签的第二数据集训练中间模型时，可以避免第二数据集数据量有限时的模型过拟合问题，从而提升年龄识别模型的泛化能力。

【技术实现步骤摘要】
识别年龄的方法、年龄识别模型的训练方法和装置
本专利技术涉及图形处理
，尤其是涉及一种识别年龄的方法、年龄识别模型的训练方法和装置。
技术介绍
年龄作为一种重要的人脸属性，在人机交互、智能商务、安全监控和娱乐等领域都有着广泛的应用。相关技术中，通常通过训练好的深度学习模型识别人脸图像中人的年龄，该深度学习模型直接在年龄数据集上训练得到的，但是由于年龄涉及到个人隐私，收集带有年龄标签的人脸样本是非常困难和耗时的，使得年龄数据集的数据量有限，导致在该年龄数据集上训练得到的模型容易过拟合，进而使得模型泛化能力较差。
技术实现思路
本专利技术的目的在于提供一种识别年龄的方法、年龄识别模型的训练方法和装置，以提高模型的泛化能力。第一方面，本专利技术实施例提供了一种识别年龄的方法，该方法包括：获取包含有目标对象的待识别图像；将该待识别图像输入至预先训练完成的年龄识别模型中，输出识别结果，基于该识别结果确定目标对象的年龄；其中，基于第一数据集训练年龄识别模型的初始模型，得到中间模型；该第一数据集中的训练数据携带有类别标签和/或身份标签；基于本文档来自技高网...

【技术保护点】
1.一种识别年龄的方法，其特征在于，所述方法包括：/n获取包含有目标对象的待识别图像；/n将所述待识别图像输入至预先训练完成的年龄识别模型中，输出识别结果，基于所述识别结果确定目标对象的年龄；/n其中，基于第一数据集训练所述年龄识别模型的初始模型，得到中间模型；所述第一数据集中的训练数据携带有类别标签和/或身份标签；基于第二数据集训练所述中间模型，得到所述年龄识别模型；所述第二数据集中的训练数据携带有年龄标签。/n

【技术特征摘要】
1.一种识别年龄的方法，其特征在于，所述方法包括：
获取包含有目标对象的待识别图像；
将所述待识别图像输入至预先训练完成的年龄识别模型中，输出识别结果，基于所述识别结果确定目标对象的年龄；
其中，基于第一数据集训练所述年龄识别模型的初始模型，得到中间模型；所述第一数据集中的训练数据携带有类别标签和/或身份标签；基于第二数据集训练所述中间模型，得到所述年龄识别模型；所述第二数据集中的训练数据携带有年龄标签。


2.根据权利要求1所述的方法，其特征在于，所述第一数据集中的训练数据携带有所述类别标签和所述身份标签；所述基于第一数据集训练所述年龄识别模型的初始模型，得到中间模型的步骤，包括：
基于携带有所述类别标签的训练数据训练所述初始模型，得到第一模型；
基于携带有所述身份标签的训练数据训练所述第一模型，得到所述中间模型。


3.根据权利要求2所述的方法，其特征在于，携带有所述类别标签的训练数据包括多个类别样本，每个类别样本包含有一个类别图像和所述类别图像对应的类别标签；所述基于携带有所述类别标签的训练数据训练所述初始模型，得到第一模型的步骤，包括：
从所述多个类别样本中，确定目标类别图像；
将所述目标类别图像输入至所述初始模型中，得到分类结果；
根据所述分类结果和所述目标类别图像的类别标签，确定第一损失量；
基于所述第一损失量调整所述初始模型的权重参数；继续执行从所述多个类别样本中，确定目标类别图像的步骤，直到所述第一损失量收敛或者达到预设的训练次数，得到所述第一模型。


4.根据权利要求3所述的方法，其特征在于，所述将所述目标类别图像输入至所述初始模型中，得到分类结果的步骤，包括：
将所述目标类别图像输入至所述初始模型中，输出第一结果；
将所述第一结果输入至预设的第一全连接层中，输出所述分类结果；其中，所述第一全连接层输出数据的维数与所述类别标签的种类数相同。


5.根据权利要求2所述的方法，其特征在于，所述携带有所述身份标签的训练数据包括多个对象样本，每个对象样本包含有一个对象图像和标识所述对象图像中对象身份的身份标签；所述基于携带有所述身份标签的训练数据训练所述第一模型，得到所述中间模型的步骤，包括：
从所述多个对象样本中，确定目标对象图像；
将所述目标对象图像输入至所述第一模型中，得到对象识别结果；
根据所述对象识别结果和所述目标对象图像的身份标签，确定第二损失量；
基于所述第二损失量调整所述第一模型的权重参数；继续执行从所述多个对象样本中，确定目标对象图像的步骤，直到所述第二损失量收敛或者达到预设的训练次数，得到所述中间模型。


6.根据权利要求5所述的方法，其特征在于，所述将所述目标对象图像输入至所述第一模型中，得到对象识别结果的步骤，包括：
将所述目标对象图像输入至所述第一模型中，输出第二结果；
将所述第二结果输入至预设的第二全连接层中，输出所述对象识别结果；其中，所述第二全连接层输出数据的维数与所述身份标签的种类数相同。


7.根据权利要求1所述的方法，其特征在于，所述第二数据集中的每个训练数据均包含有一个样本图像，以及所述样本图像中对象的年龄标签；
所述基于第二数据集训练所述中间模型，得到所述年龄识别模型的步骤，包括：
基于所述第二数据集确定目标样本图像；
将所述目标样本图像输入至所述中间模型中，得到年龄识别结果；
根据所述年龄识别结果和所述目标样本图像的年龄标签，确定第三损失量；
基于所述第三损失量调整所述中间模型的权重参数；继续执行基于所述第二数据集确定目标样本图像的步骤，直到所述第三损失量收敛或者达到预设的训练次数，得到所述年龄识别模型。


8.根据权利要求7所述的方法，其特征在于，所述将所述目标样本图像输入至所述中间模型中，得到年龄识别结果的步骤，包括：
将所述目标样本图像输入至所述中间模型中，输出第三结果；
将所述第三结果输入至预设的第三全连接层中，...

【专利技术属性】
技术研发人员：苏驰，李凯，刘弘也，王育林，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：北京;11