【技术实现步骤摘要】
人脸属性识别模型训练方法和装置、人脸属性识别方法和装置
[0001]本申请涉及人脸识别
,具体涉及一种人脸属性识别模型训练方法和装置、人脸属性识别方法和装置。
技术介绍
[0002]随着深度学习的发展,人脸识别和人脸表情分析等任务已经取得了很好的成果。不过除此之外,人脸还能反映多种其他的重要信息,例如年龄、性别等人脸属性信息。于是,在卷积神经网络(Convolutional Neural Network,CNN)发展迅速的今天,通过人脸图像进行年龄与性别识别已经不再是问题,并且已经出现了许多方法。年龄与性别识别在视频监控、客户画像、人机交互以及人员识别等领域都有应用。
[0003]为实现同时识别多种人脸属性信息,现有方法通常是针对不同的人脸属性分别设计和训练出不同网络模型,一套网络模型用于识别一种人脸属性信息,各套网络模型彼此独立,识别过程较为繁琐低效,消耗的计算资源较多。
技术实现思路
[0004]本申请所要解决的技术问题在于,提供一种人脸属性识别模型训练方法和装置、人脸属性识别方法和装置,能够通过一个网络模型同时识别多种人脸属性信息。
[0005]依据本申请的第一方面,提供了一种人脸属性识别模型训练方法,所述方法包括:
[0006]获取待训练人脸图像,所述待训练人脸图像中标注有多种人脸属性信息;
[0007]利用人脸属性识别模型中的底层特征提取网络对所述待训练人脸图像进行特征提取,得到底层特征提取结果;
[0008]利用所述人脸属性识别模型中的多个人脸 ...
【技术保护点】
【技术特征摘要】
1.一种人脸属性识别模型训练方法,其特征在于,所述方法包括:获取待训练人脸图像,所述待训练人脸图像中标注有多种人脸属性信息;利用人脸属性识别模型中的底层特征提取网络对所述待训练人脸图像进行特征提取,得到底层特征提取结果;利用所述人脸属性识别模型中的多个人脸属性识别网络分别对所述底层特征提取结果进行特征提取和识别,得到多个人脸属性识别结果;基于多个人脸属性识别网络各自的预设损失函数分别确定各个人脸属性识别结果的损失值,并利用各个人脸属性识别结果的损失值更新所述人脸属性识别模型的参数,得到训练后的人脸属性识别模型。2.根据权利要求1所述的方法,其特征在于,所述预设损失函数采用的是加权的三元组损失函数,加权的权重包括图像类型权重和人脸属性权重;其中,所述图像类型权重用于训练网络提取与图像类型无关的特征;所述人脸属性权重用于训练网络提取与人脸属性有关的特征,且当人脸属性差距越大时所提取的特征在特征空间中相距越远。3.根据权利要求2所述的方法,其特征在于,所述多个人脸属性识别网络包括年龄识别网络和性别识别网络;其中,利用所述年龄识别网络对所述底层特征提取结果进行特征提取和识别,得到年龄识别结果,在确定年龄识别结果的损失值时基于的预设损失函数为年龄加权的三元组损失函数,加权的权重包括图像类型权重和年龄权重;利用所述性别识别网络对所述底层特征提取结果进行特征提取和识别,得到性别识别结果,在确定性别识别结果的损失值时基于的预设损失函数为性别加权的三元组损失函数,加权的权重包括图像类型权重和性别权重。4.根据权利要求3所述的方法,其特征在于,所述年龄加权的三元组损失函数的表达式为:其中,表示年龄加权的三元组损失函数,x
i
,x
j
表示输入图像,t
i
表示输入图像x
i
对应的图像类型(t
i
=0表示RGB,t
i
=1表示红外图像),t
j
表示输入图像x
j
对应的图像类型,i,j的取值范围为1,2,...N,i≠j;d(x
i
,x
j
)表示x
i
与x
j
之间的距离,m是距离参数margin;(1+|t
i
‑
t
j
|)为图像类型权重,t
i
≠t
j
的情况下,类型权重值更大;λ
a
为年龄权重,a
i
表示输入图像x
i
对应的年龄,a
j
表示输入图像x
j
对应的年龄,年龄差距越大,年龄权重值越小。5.根据权利要求3所述的方法,其特征在于,所述性别加权的三元组损失函数的表达式为:
其中,表示性别加权的三元组损失函数,x
i
,x
j
表示输入图像,t<...
【专利技术属性】
技术研发人员:魏超,
申请(专利权)人:中科创达软件股份有限公司,
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。