年龄识别模型训练方法、人脸年龄识别方法及相关装置制造方法及图纸

本申请提供年龄识别模型训练方法、人脸年龄识别方法及相关装置，其中，年龄识别模型训练方法包括：获取样本人脸图像组；将样本人脸图像组输入至人脸年龄识别模型，以分别获取两张不同样本人脸图像各自对应的高层语义特征向量和预测年龄；分别计算两张不同样本人脸图像各自对应的预测年龄与年龄标签之间的差距，以得到人脸年龄识别模型的年龄损失；计算两张不同样本人脸图像各自对应的高层语义特征向量之间的相似度，以得到人脸年龄识别模型的特征相似度损失；基于年龄损失和特征相似度损失对人脸年龄识别模型进行迭代调参，以得到目标人脸年龄识别模型。该技术方案能提高人脸年龄识别模型的识别精度。

【技术实现步骤摘要】
年龄识别模型训练方法、人脸年龄识别方法及相关装置
本申请涉及人脸图像识别领域，尤其涉及年龄识别模型训练方法、人脸年龄识别方法及相关装置。
技术介绍
人脸图像包含了多种人脸特征信息，如人脸脸型、人脸皮肤状态、人脸五官、人脸年龄等，其中，人脸年龄作为一项较重要的特征信息，在人脸图像识别领域得到了广泛的应用。例如，在移动设备上运行的一些客户端上，具有人脸年龄识别的功能，其中，客户端通过获取人脸图像，并基于获取到的人脸图像输出识别得到的人脸年龄，以反馈给用户，达到客户端与用户交互从而增加用户黏性的目的。对于这些具备人脸年龄识别功能的客户端来说，年龄识别的准确度，即识别出来的年龄与用户的真实年龄之间的差距，是一项较为重要的内容。目前，在人脸年龄识别的有关技术中，通常是将人脸的真实年龄作为一个单独的标签信息，将真实年龄作为人脸图像的标签，在人脸图像与真实年龄之间建立一一对应的关系，然后进行人脸年龄识别模型的训练。由于用户身份存在唯一性，相同年龄的不同人脸的人脸特征有所不同，在人脸年龄识别模型的训练过程中，每输入一张训练人脸图像，对于人脸年龄识别模型本文档来自技高网...

【技术保护点】
1.一种年龄识别模型训练方法，其特征在于，包括：/n获取样本人脸图像组，所述样本人脸图像组包括带有同一年龄标签的两张不同样本人脸图像；/n将所述样本人脸图像组输入至人脸年龄识别模型，以分别获取所述两张不同样本人脸图像各自对应的高层语义特征向量和预测年龄，其中，所述人脸年龄识别模型包括两层人脸年龄识别网络，一层人脸年龄识别网络用于获取所述样本人脸图像组中的一张样本人脸图像对应的高层语义特征向量和预测年龄，一张样本人脸图像的高层语义特征向量用于表达所述一张样本人脸图像的人脸特征；/n分别计算所述两张不同样本人脸图像各自对应的预测年龄与所述两张不同样本人脸图像对应的年龄标签之间的差距，以得到所述人脸...

【技术特征摘要】
1.一种年龄识别模型训练方法，其特征在于，包括：
获取样本人脸图像组，所述样本人脸图像组包括带有同一年龄标签的两张不同样本人脸图像；
将所述样本人脸图像组输入至人脸年龄识别模型，以分别获取所述两张不同样本人脸图像各自对应的高层语义特征向量和预测年龄，其中，所述人脸年龄识别模型包括两层人脸年龄识别网络，一层人脸年龄识别网络用于获取所述样本人脸图像组中的一张样本人脸图像对应的高层语义特征向量和预测年龄，一张样本人脸图像的高层语义特征向量用于表达所述一张样本人脸图像的人脸特征；
分别计算所述两张不同样本人脸图像各自对应的预测年龄与所述两张不同样本人脸图像对应的年龄标签之间的差距，以得到所述人脸年龄识别模型的年龄损失；
计算所述两张不同样本人脸图像各自对应的高层语义特征向量之间的相似度，以得到所述人脸年龄识别模型的特征相似度损失；
基于所述年龄损失和所述特征相似度损失对所述人脸年龄识别模型进行迭代调参，以得到目标人脸年龄识别模型。


2.根据权利要求1所述的方法，其特征在于，每层人脸年龄识别网络的网络结构相同；每层人脸年龄识别网络包括特征提取模块、第一全连接层和第二全连接层，所述特征提取模块分别与所述第一全连接层和所述第二全连接层连接；
所述将所述样本人脸图像组输入至所述人脸年龄识别模型，以分别获取所述两张不同样本人脸图像各自对应的高层语义特征向量和预测年龄，包括：
通过目标人脸年龄识别网络的特征提取模块对目标样本人脸图像进行特征提取，以得到所述目标样本人脸图像的特征图，其中，所述目标人脸年龄识别网络为所述人脸年龄识别模型中的任意一层人脸年龄识别网络，所述目标样本人脸图像为所述样本人脸图像组中的任意一张样本人脸图像；
通过所述第一全连接层对所述特征图进行高层语义特征提取，以得到所述目标样本人脸图像的高层语义特征向量；
通过所述第二全连接层对所述特征图进行年龄预测，以得到所述目标样本人脸图像的预测年龄。


3.根据权利要求1或2所述的方法，其特征在于，所述计算所述两张不同样本人脸图像各自对应的高层语义特征向量之间的相似度，以得到所述人脸年龄识别模型的特征相似度损失，包括：
根据如下公式计算所述两张不同样本人脸图像各自对应的高层语义特征向量之间的相似度，以得到所述人脸年龄识别模型的特征相似度损失：



其中，L1为所述特征相似度损失，X1为所述样本人脸图像组中的其中一张样本人脸图像对应的高层语义特征向量，X2为所述样本人脸图像组中的另一张样本人脸图像对应的高层语义特征向量，M为相似度量矩阵。


4.根据权利要求1或2所述的方法，其特征在于，所述分别计算所述两张不同样本人脸图像各自对应的预测年龄与所述两张不同样本人脸图像对应的年龄标签之间的差距，以得到所述人脸年龄识别模型的年龄损失，包括：
分别计算所述两张不同样本人脸图像各自对应的预测年龄与所述两张不同样本人脸图像对应的年龄标签之间的交叉熵，以得到所述两张不同样本人脸...

【专利技术属性】
技术研发人员：陈仿雄，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：广东;44