训练年龄预测模型的方法、年龄检测方法及相关装置制造方法及图纸

本申请实施例涉及人脸图像属性预测技术领域，公开了一种训练年龄预测模型的方法、年龄检测方法及相关装置，采用包括多个人脸图像的训练集，对至少两个教师神经网络进行迭代训练，得到至少两个教师模型，各教师模型分别输出训练集中各人脸图像的软标签。然后，采用训练集和损失函数，对学生神经网络进行迭代训练，得到年龄预测模型。损失函数包括各人脸图像的真实标签和各教师模型分别输出的各人脸图像的软标签之间的第一损失以及各人脸图像的真实标签和学生神经网络输出的预测标签之间的第二损失，使得各教师模型能够指导学生神经网络学习年龄特征信息，训练得到的年龄预测模型具有各教师模型的年龄特征学习能力，从而，能够提高年龄检测准确性。能够提高年龄检测准确性。能够提高年龄检测准确性。

【技术实现步骤摘要】
训练年龄预测模型的方法、年龄检测方法及相关装置


[0001]本申请实施例涉及人脸图像属性预测
，尤其涉及一种训练年龄预测模型的方法、年龄检测方法及相关装置。

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，在人脸图像检测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，具有年龄检测的功能，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检测得到的年龄，以反馈给用户。
[0003]年龄检测是一项充满挑战的任务，不同人在相同年龄阶段存在一些相似的特征，不同人在相同年龄阶段也存在一些不同的特征。目前，在人脸年龄检测的有关技术中，通常将年龄作为一个单独的标签信息，因此针对年龄的预测，其本质转为年龄值的分类问题。然而，在实际应用中需要考虑到模型的大小和检测速度，以能够更好的在终端设备上得到应用，因此，在不增加模型大小和检测速度的情况下，提升年龄检测的准确度是一个亟待解决的技术问题。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练年龄预测模型的方法，其特征在于，包括：获取包括多个人脸图像的训练集，各所述人脸图像标注有真实标签；采用所述训练集，对至少两个教师神经网络进行迭代训练，得到至少两个教师模型，其中，所述至少两个教师模型分别输出所述训练集中各人脸图像的软标签；采用所述训练集和损失函数，对学生神经网络进行迭代训练，得到所述年龄预测模型，其中，所述损失函数包括所述训练集中各人脸图像的真实标签和所述至少两个教师模型分别输出的所述训练集中各人脸图像的软标签之间的第一损失以及所述训练集中各人脸图像的真实标签和所述学生神经网络输出的预测标签之间的第二损失。2.根据权利要求1所述的方法，其特征在于，所述学生神经网络包括N个特征提取模块；在所述采用所述训练集和损失函数，对学生神经网络进行迭代训练，得到所述年龄预测模型之前，所述方法还包括：根据终端设备的性能，调整所述特征提取模块的数量N和各所述特征提取模块对应的输出通道数。3.根据权利要求2所述的方法，其特征在于，所述至少两个教师神经网络的网络深度不同，各所述教师神经网络包括基础网络和至少一个多重融合残差模块，所述至少一个多重融合残差模块分别穿插于所述基础网络中，其中，所述基础网络通过调整所述学生神经网络中特征提取模块的数量N和各所述特征提取模块对应的输出通道数得到。4.根据权利要求3所述的方法，其特征在于，所述多重融合残差模块包括多个卷积层，各所述卷积层输出中间特征图，所述多重融合残差模块输出的特征图为至少两个所述中间特征图融合得到的特征图。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述损失函数还包括各所述教师模型在特征提取过程中的最后一个特征图和所述学生神经网络在特征提取过程中与所述最后一个特征图大小对应的特征图之间的第三损失。6.根据权利...

【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：