训练年龄检测模型的方法、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检测模型的方法、年龄检测方法及相关装置，训练集包括多个标注有真实年龄的人脸图像，首先获取训练集中各人脸图像对应的年龄干扰信息。然后，对年龄干扰信息进行编码，得到信息特征编码。最后，采用训练集和与该训练集中各人脸图像对应的信息特征编码，对神经网络进行迭代训练，得到年龄检测模型。在此实施例中，神经网络在训练过程中能够学习到人脸图像的特征以及年龄干扰特征，即清楚区分年龄干扰特征和影响年龄预测准确度的有效特征，从而，在进行年龄预测时能够过滤掉干扰特征，减少干扰特征对网络学习的影响，使得训练得到的年龄检测模型能够准确且稳定地检测年龄。地检测年龄。地检测年龄。

【技术实现步骤摘要】
训练年龄检测模型的方法、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检测模型的方法、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]然而，人脸图像存在角度、脸部表情等变化，会导致同一个人识别的年龄值存在较大波动，缺乏一定程度的稳定性。

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训练年龄检测模型的方法、年龄检测方法及相关装置，该方法训练得到的年龄检测模型能够准确且稳定地检测年龄。
[0005]为解决上述技术问题，第一方面，本申请实施例中提供了一种训练年龄检测模型的方法，包括：
[0006]获取训练集，所述训练集包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练年龄检测模型的方法，其特征在于，包括：获取训练集，所述训练集包括多个人脸图像，各所述人脸图像标注有真实年龄；获取训练集中各人脸图像对应的年龄干扰信息，所述年龄干扰信息包括拍摄信息和/或表情信息，所述年龄干扰信息为干扰神经网络准确检测年龄的干扰因素；对所述年龄干扰信息进编码，得到信息特征编码；采用所述训练集和与所述训练集中各人脸图像对应的信息特征编码，对神经网络进行迭代训练，得到年龄检测模型。2.根据权利要求1所述的方法，其特征在于，所述对所述年龄干扰信息进编码，得到信息特征编码，包括：对所述年龄干扰信息中的文本数据进行编码，得到文本编码；将所述文本编码与所述年龄干扰信息中的数值数据进行拼接，得到所述信息特征编码。3.根据权利要求2所述的方法，其特征在于，所述对所述年龄干扰信息中的文本数据进行编码，得到文本编码，包括：采用词袋模型对所述年龄干扰信息中的文本数据进行编码，得到所述文本编码。4.根据权利要求1
‑
3任意一项所述的方法，其特征在于，在所述采用所述训练集和与所述训练集中各人脸图像对应的信息特征编码，对神经网络进行迭代训练，得到年龄检测模型之前，还包括：采用多层感知机模块对所述信息特征编码进行特征提取，得到目标信息向量；所述采用所述训练集和与所述训练集中各人脸图像对应的信息特征编码，对神经网络进行迭代训练，得到年龄检测模型，包括：采用所述训练集和与所述训练集对应的目标信息向量，对所述神经网络和所述多层感知机模块进行迭代训练，得到所述年龄检测模型。5.根据权利要求4所述的方法，其特征在于，所述神经网络包括级联的卷积模块、全连接层、融合层和分类层，其中，所述卷积模块包括多个卷积层；采用所述训练集和与所述训练集对应的目标信息向量，对所述神经网络和所述多层感知机模块进行迭代训练，得到所述年龄检测模型，包括：将所述训练集输入所述神经网络的卷积模块，所述卷积模块的最后一个卷积层输出年龄特征图；将所述年龄特征图输入所述神经网络的全连接层，得到年龄特征向...

【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：