【技术实现步骤摘要】
一种基于迁移学习的年龄估计方法
[0001]本专利技术涉及图像识别技术,尤其涉及一种基于迁移学习的年龄估计方法
。
技术介绍
[0002]人肉眼识别年龄往往是根据与已知年龄的人进行对比,故识别结果往往是一个符合大众的经验值
。
同时考虑不同表观年龄的人的面部风格是不一样,人肉眼去识别对比的过程类似于把当前人的面部风格向已知人的面部风格进行比较,相对于人类通过比较不同年龄的人来识别年龄,计算机难以获得每个年龄段的代表性图片
。
[0003]人脸年龄估计在人机交互
、
人脸属性分析
、
市场分析等方面都具有重要作用
。
随着深度学习的兴起,许多深度结构,如
VGG、ResNet、MobileNet
等,已被用作特征学习方法来解决人脸年龄估计问题
。
[0004]传统的人脸年龄估计方法大致有以下三种:回归方法
、
分类方法和排名方法
。
其中,回归方法将标签视为连续的数值,而分类方法则将不同的年龄或年龄组视为独立的类别标签
。
分类方法又可以分为单标签学习和标签分布学习两种方法
。
标签分布学习的目标是学习一个标签分布,以表示描述一个实例时每个标签的相对重要性
。
排名方法则将年龄值视为排名数据,并使用多个二元分类器来确定面部图像中年龄的排名
。
[0005]随着深度学习技术的发展,必不可少要引入神经网络的能量 ...
【技术保护点】
【技术特征摘要】
1.
一种基于迁移学习的年龄估计方法,其特征在于,步骤如下:
S1
:通过特征编码器
FaceEncoder
模块,负责将面部年龄图像作为输入,并将其编码为一个特征向量,以捕捉面部的关键特征;
S2
:通过
DAA
通过学习将每个内容图转换为
100
个代表各个年龄的
Delta
年龄图;
S3:
为了获得连续的图像特征信息,将迁移学习的输入设置为二进制编码的格式
,
通过二进制编码的独特性和连续性特征,通过
DAA
操作使得融合的特征信息连续;
S4
:引入
Binary code mapping
模块将二进制编码映射模块中学习到的值传输到
FaceEncoder
模块学习的特征映射中;
S5
:将当前图像转换为每个比较年龄的风格图,并学习当前年龄与所有比较年龄之间的特征差异,最终基于比较年龄差异来预测年龄;
S6
:通过在面部年龄估计数据集
Morph、FG
‑
Net、IMDB
‑
Wiki
以及
MegaAge
‑
Asian
这四个数据集上进行的实验对比和消融实验研究
。2.
根据权利要求1所述的一种基于迁移学习的年龄估计方法,其特征在于,所述步骤
S2
中,基于年龄迁移的
AdaIN
操作写成:
DAA
操作写成:
3.
根据...
【专利技术属性】
技术研发人员:李业,陶聚,
申请(专利权)人:长城汽车股份有限公司,
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。