本申请实施例涉及人脸图像识别技术领域，公开了一种年龄识别模型的训练方法、人脸年龄识别方法及相关装置，训练得到的年龄识别模型包括年龄分类模型、不确定性模型和年龄回归模型。第一阶段，采用不确定性模型将噪声干扰对由训练得到的年龄分类模型输出的第一预测年龄值的影响转化为不确定性概率。第二阶段，采用该训练集对回归神经网络进行训练，并将各人脸图像对应的不确定性概率引入损失函数，得到年龄回归模型。不确定性概率的引入相当于告诉年龄回归模型：对于各人脸图像提取的特征具有一定概率的不确定性。从而在训练过程中，不确定性概率较高的图像特性，需要重点学习，能够减轻上述噪声带来的影响，提高模型的泛化能力和准确度。和准确度。和准确度。
【技术实现步骤摘要】
年龄识别模型的训练方法、人脸年龄识别方法及相关装置
[0001]本申请实施例涉及人脸图像识别
，尤其涉及一种年龄识别模型的训练方法、人脸年龄识别方法及相关装置。
技术介绍
[0002]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、人脸表情、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。
[0003]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来说都是属于新的一类图像，人脸年龄识别模型只能学到训练数据的人脸特征，容易受到训练数据中噪声影响。当将人脸年龄识别模型用于识别人脸年龄时，新输入至人脸年龄识别模型的人脸图像对人脸年龄识别模型来说又是新的一类图像，由于没有学习到这类图像的人脸特征，较难适应于新输入的人脸图像的唯一性特征，导致实际应用时准确度偏低。
技术实现思路
[0004]本申请实施例主要解决的技术问题是提供一种年龄识别模型的训练方法、人脸年龄识别方法及相关装置，能够解决现有人脸年龄识别技术中准确度偏低的技术问题。
[0005]为解决上述技术问题，第一方面，本申请实施例中提供给了一种年龄识别模型的训练方法，所述年龄识别模型包括年龄分类模型、不确定性模型和年龄回归模型，所述方法包括：
[0006]获取训练集，所述训练集包括多个人脸图像；
[0007]采用所述训练集，对分类神经网络进行训练，直至所述分类神经网络收敛，得到所述年龄分类模型，所述年龄分类模型输出所述训练集中各人脸图像的年龄概率向量；
[0008]根据目标人脸图像的年龄概率向量，确定所述目标人脸图像的第一预测年龄值，其中，所述目标人脸为所述训练集中任意一个人脸图像；
[0009]建立所述不确定性模型，以获取所述目标人脸图像的第一预测年龄值对应的不确定性概率；
[0010]采用所述训练集和损失函数，对回归神经网络进行训练，直至所述回归神经网络收敛，得到所述年龄回归模型，其中，所述损失函数包括各所述人脸图像对应的不确定性概
率的损失。
[0011]在一些实施例中，所述分类神经网络包括依次连接的多个特征提取卷积层、全连接层和softmax层，所述多个特征提取卷积层中最后一个特征提取卷积层输出的特征图为年龄特征图，所述年龄特征图包括各年龄的年龄特征向量，所述全连接层用于将所述年龄特征图进行卷积处理后输出一维向量,所述softmax层用于对所述一维向量进行分类，得到所述年龄概率向量；所述年龄识别模型还包括度量学习模型；
[0012]所述根据目标人脸图像的年龄概率向量，确定所述目标人脸图像的第一预测年龄值，包括：
[0013]采用所述度量学习模型，计算所述目标人脸图像对应的一维向量分别和与所述目标人脸图像对应的年龄特征图中各年龄特征向量之间的第一相似度；
[0014]根据各所述第一相似度，确定所述目标人脸图像的第一预测年龄值。
[0015]在一些实施例中，所述采用所述度量学习模型，计算所述目标人脸图像对应的年龄概率向量中各年龄概率分别与对应的年龄特征向量之间的第一相似度，包括：
[0016]采用以下公式，计算所述第一相似度；
[0017](＝1,2,
…
,100)
[0018]其中，表示所述目标人脸图像对应的一维向量，i表示年龄的标号，表示第i个年龄对应的年龄特征向量，cosθ
i
表示所述目标人脸图像对应的一维向量与第i个年龄对应的年龄特征向量之间的第一相似度。
[0019]在一些实施例中，所述根据各所述第一相似度，确定所述目标人脸图像的第一预测年龄值，包括：
[0020]确定所述目标人脸图像的第一预测年龄值为各所述第一相似度中的最大值对应的年龄。
[0021]在一些实施例中，所述建立所述不确定性模型，以获取所述目标人脸图像的第一预测年龄值对应的不确定性概率，包括：
[0022]对所述目标人脸图像进行人脸特征丢弃处理，获取多个目标变化人脸图像；
[0023]将所述多个目标变化人脸图像分别输入所述年龄分类模型，得到所述多个目标变化人脸图像分别对应的年龄概率向量；
[0024]根据所述多个目标变化人脸图像分别对应的年龄概率向量，分别确定各所述目标变化人脸图像的第二预测年龄值；
[0025]根据所述第一预测年龄值和各所述第二预测年龄值，确定所述目标人脸图像的第一预测年龄值对应的不确定性概率。
[0026]在一些实施例中，所述对所述目标人脸图像进行人脸特征丢弃处理，获取多个目标变化人脸图像，包括：
[0027]对所述目标人脸图像分别按不同的长宽比进行裁剪，得到所述多个目标变化人脸图像。
[0028]在一些实施例中，所述根据所述第一预测年龄值和各所述第二预测年龄值，确定所述目标人脸图像的第一预测年龄值对应的不确定性概率，包括：
[0029]获取所述第一预测年龄值和各所述第二预测年龄值的平均值，以及，获取所述第一预测年龄值和各所述第二预测年龄值的方差；
[0030]根据所述平均值和所述方差，采用高斯分布计算所述目标人脸图像的第一预测年龄值对应的不确定性概率。
[0031]在一些实施例中，所述损失函数包括以下公式：
[0032][0033]其中，Loss为损失，N为所述训练集中人脸图像的数量，i为人脸图像的标号，xi为训练集中的第i张人脸图像，Yi为所述第i张人脸图像的真实年龄，p(xi)为所述第i张人脸图像的不确定概率，f(x
i
)为所述回归神经网络输出的预测年龄值。
[0034]为解决上述技术问题，第二方面，本申请实施例中提供给了一种人脸年龄识别方法，包括：
[0035]获取待识别人脸图像；
[0036]将所述待识别人脸图像输入年龄识别模型中，得到所述待识别人脸图像的预测年龄值和所述待识别人脸图像的不确定性概率，其中，所述年龄识别模型为采用如上第一方面所述的方法训练得到；
[0037]根据所述待识别人脸图像的不确定性概率和所述所述待识别人脸图像的预测年龄值，确定所述待识别人脸图像的最终年龄。
[0038]在一些实施例中，所述根据所述待识别人脸图像对应的不确定性概率和所述所述待识别人脸图像对应的预测年龄值，确定所述待识别人脸图像的最终年龄，包括：
...
【技术保护点】
【技术特征摘要】
1.一种年龄识别模型的训练方法，其特征在于，所述年龄识别模型包括年龄分类模型、不确定性模型和年龄回归模型，所述方法包括：获取训练集，所述训练集包括多个人脸图像；采用所述训练集，对分类神经网络进行训练，直至所述分类神经网络收敛，得到所述年龄分类模型，所述年龄分类模型输出所述训练集中各人脸图像的年龄概率向量；根据目标人脸图像的年龄概率向量，确定所述目标人脸图像的第一预测年龄值，其中，所述目标人脸为所述训练集中任意一个人脸图像；建立所述不确定性模型，以获取所述目标人脸图像的第一预测年龄值对应的不确定性概率；采用所述训练集和损失函数，对回归神经网络进行训练，直至所述回归神经网络收敛，得到所述年龄回归模型，其中，所述损失函数包括各所述人脸图像对应的不确定性概率的损失。2.根据权利要求1所述的方法，其特征在于，所述分类神经网络包括依次连接的多个特征提取卷积层、全连接层和softmax层，所述多个特征提取卷积层中最后一个特征提取卷积层输出的特征图为年龄特征图，所述年龄特征图包括各年龄的年龄特征向量，所述全连接层用于将所述年龄特征图进行卷积处理后输出一维向量,所述softmax层用于对所述一维向量进行分类，得到所述年龄概率向量；所述年龄识别模型还包括度量学习模型；所述根据目标人脸图像的年龄概率向量，确定所述目标人脸图像的第一预测年龄值，包括：采用所述度量学习模型，计算所述目标人脸图像对应的一维向量分别和与所述目标人脸图像对应的年龄特征图中各年龄特征向量之间的第一相似度；根据各所述第一相似度，确定所述目标人脸图像的第一预测年龄值。3.根据权利要求2所述的方法，其特征在于，所述采用所述度量学习模型，计算所述目标人脸图像对应的年龄概率向量中各年龄概率分别与对应的年龄特征向量之间的第一相似度，包括：采用以下公式，计算所述第一相似度；其中，表示所述目标人脸图像对应的一维向量，i表示年龄的标号，表示第i个年龄对应的年龄特征向量，cosθ
i
表示所述目标人脸图像对应的一维向量与第i个年龄对应的年龄特征向量之间的第一相似度。4.根据权利要求3所述的方法，其特征在于，所述根据各所述第一相似度，确定所述目标人脸图像的第一预测年龄值，包括：确定所述目标人脸图像的第一预测年龄值为各所述第一相似度中的最大值对应的年龄。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述建立所述不确定性模型，以获取所述目标人脸图像的第一预测年龄值对应的不确定性概率，包括：对所述目标人脸图像进行人脸特征丢弃处理，获取多个目标变化人脸图像；
将所述多个目标变化人脸图像分别输入所述年龄分类模型，得到所述多个目标变化人脸图像分别对应的年龄概率向量；根据所述多个目标变化人脸图像分别对应的年龄概率向量...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。