System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像识别,尤其涉及一种人脸面部特征的分类方法、装置、设备及存储介质。
技术介绍
1、由于人脸图像存在特征集中的特点,在真实的人脸分类场景中,人脸分类任务比常规的图像分类任务面临更大的挑战,虽然卷积神经网络可以有效构建区分特征表示,但现有人脸分类任务仅用网络模型最后一层的特征图进行分类,忽略了其他有价值的特征信息图层,此外,直接将多层特征整合则会造成冗余进而影响分类性能。
技术实现思路
1、有鉴于此,本专利技术实施例提供了一种人脸面部特征的分类方法、装置、设备及存储介质,解决了通过人脸图像进行人脸分类时准确率较低的技术问题。
2、本专利技术第一方面提供了一种人脸面部特征的分类方法,包括:获取待分类图像,将所述待分类图像输入预置的深度残差网络进行多层特征提取,得到对应的多层特征图;通过注意力机制对所述待分类图像进行显著特征区域分割,确定多个局部特征图;对多层所述特征图进行特征融合,生成多个融合特征图;基于多个所述局部特征图对多个所述融合特征图进行权重设置,得到目标特征图;通过所述目标特征图对所述待分类图像进行类别分析,得到对应的人脸类型,并完成待分类图像的分类。
3、结合第一方面,在第一方面的第一实施方式中,所述获取待分类图像,将所述待分类图像输入预置的深度残差网络进行多层特征提取,得到对应的多层特征图步骤,包括:获取所述待分类图像,将所述待分类图像输入所述深度残差网络进行特征提取,得到对应的特征图集合;对所述特征图集合进行标准化处理,得到对应的多
4、结合第一方面的第一实施方式,在第一方面的第二实施方式中,所述对所述特征图集合进行标准化处理,得到对应的多层特征图步骤,包括:对所述特征图集合中每一高维特征图进行上采样处理,得到目标高维特征图集合;对所述特征图集合中每一低维特征图进行卷积操作,得到目标低维特征图集合;将所述目标高维特征图集合及所述目标低维特征图集合进行合并,得到对应的多层特征图。
5、结合第一方面,在第一方面的第三实施方式中,所述对多层所述特征图进行特征融合,生成多个融合特征图步骤,包括:对多层所述特征图进行全局平均池化处理,得到对应的全局感受野;通过所述全局感受野对多层所述特征图进行逐点降维卷积操作,得到多层待处理特征图;对多层所述待处理特征图进行激活处理,得到多层候选特征图;对多层所述候选特征图进行升维卷积操作,得到多个所述融合特征图。
6、结合第一方面,在第一方面的第四实施方式中,所述基于多个所述局部特征图对多个所述融合特征图进行权重设置,得到目标特征图步骤,包括:对每一所述局部特征图及每一所述融合特征图进行权重信息提取,确定权重信息集合,其中,所述权重信息集合包括与每一所述局部特征图对应的权重信息及与每一所述融合特征图对应的权重信息;通过所述权重信息信息集合对所述多个融合特征图进行权重设置,得到目标特征图。
7、结合第一方面的第四实施方式,在第一方面的第五实施方式中,所述通过所述权重信息信息集合对所述多个融合特征图进行权重设置,得到目标特征图步骤,包括:通过所述权重信息集合对多个所述局部特征图及多个所述融合特征图进行元素相乘处理,得到多个权重特征图;对所述多个权重特征图进行拼接处理,生成所述目标特征图。
8、结合第一方面或第一方面的第一实施方式至第一方面的第五实施方式,在第一方面的第六实施方式中,所述通过所述目标特征图对所述待分类图像进行类别分析,得到对应的人脸类型步骤,包括:通过预置的归一化函数对所述目标特征图进行数值映射,得到对应的特征数值;通过交叉熵损失函数对所述特征数值进行损失值计算,得到目标损失值;通过所述目标损失值对所述待分类图像进行类别分析,得到对应的人脸类型。
9、根据第二方面,本专利技术实施例提供了一种基于局部特征的人脸分类装置,包括:
10、提取模块,用于获取待分类图像,将所述待分类图像输入预置的深度残差网络进行多层特征提取,得到对应的多层特征图;
11、分割模块,所述分割模块与所述提取模块电连接,用于通过注意力机制对所述待分类图像进行显著特征区域分割,确定多个局部特征图;
12、融合模块,所述融合模块与所述分割模块电连接,用于对所述多层特征图进行特征融合,生成多个融合特征图;
13、设置模块,所述设置模块与所述融合模块电连接,用于基于多个所述局部特征图对多个所述融合特征图进行权重设置,得到目标特征图;
14、分析模块,所述分析模块与所述设置模块电连接,用于通过所述目标特征图对所述待分类图像进行类别分析,得到对应的人脸类型,并完成待分类图像的分类。
15、根据第三方面,本专利技术实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的人脸面部特征的分类方法。
16、根据第四方面,本专利技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的人脸面部特征的分类方法。
17、本专利技术中,获取待分类图像,将待分类图像输入预置的深度残差网络进行多层特征提取,得到对应的多层特征图;通过注意力机制对待分类图像进行显著特征区域分割,确定多个局部特征图;对多层特征图进行特征融合,生成多个融合特征图;基于多个局部特征图对多个融合特征图进行权重设置,得到目标特征图;通过目标特征图对待分类图像进行类别分析,得到对应的人脸类型,并完成待分类图像的分类。本专利技术方案中,提取输入待分类图像中不同尺度的特征信息进行融合,从而获得更丰富、更完整、更准确的输入数据特征信息,综合考虑人脸特征,提出了局部特征注意机制,利用局部注意特征图为人脸局部区域赋予更高的权重,并将有权重的特征提供给人脸分类框架来更好提升人脸分类模型性能及准确性。
本文档来自技高网...【技术保护点】
1.一种人脸面部特征的分类方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的人脸面部特征的分类方法,其特征在于,所述获取待分类图像,将所述待分类图像输入预置的深度残差网络进行多层特征提取,得到对应的多层特征图步骤,包括:
3.根据权利要求2所述的人脸面部特征的分类方法,其特征在于,所述对所述特征图集合进行标准化处理,得到对应的多层特征图步骤,包括:
4.根据权利要求1所述的人脸面部特征的分类方法,其特征在于,所述对多层所述特征图进行特征融合,生成多个融合特征图步骤,包括:
5.根据权利要求1所述的人脸面部特征的分类方法,其特征在于,所述基于多个所述局部特征图对多个所述融合特征图进行权重设置,得到目标特征图步骤,包括:
6.根据权利要求5所述的人脸面部特征的分类方法,其特征在于,所述通过所述权重信息信息集合对所述多个融合特征图进行权重设置,得到目标特征图步骤,包括:
7.根据权利要求1-6任一项所述的人脸面部特征的分类方法,其特征在于,所述通过所述目标特征图对所述待分类图像进行类别分析,得到对应的人脸类
8.一种基于局部特征的人脸分类装置,用以执行如权利要求1-7任一项所述的人脸面部特征的分类方法,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使计算机执行权利要求1-7任一项所述的人脸面部特征的分类方法。
...【技术特征摘要】
1.一种人脸面部特征的分类方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的人脸面部特征的分类方法,其特征在于,所述获取待分类图像,将所述待分类图像输入预置的深度残差网络进行多层特征提取,得到对应的多层特征图步骤,包括:
3.根据权利要求2所述的人脸面部特征的分类方法,其特征在于,所述对所述特征图集合进行标准化处理,得到对应的多层特征图步骤,包括:
4.根据权利要求1所述的人脸面部特征的分类方法,其特征在于,所述对多层所述特征图进行特征融合,生成多个融合特征图步骤,包括:
5.根据权利要求1所述的人脸面部特征的分类方法,其特征在于,所述基于多个所述局部特征图对多个所述融合特征图进行权重设置,得到目标特征图步骤,包括:<...
【专利技术属性】
技术研发人员:董永峰,钟璨,李英双,王振,李林昊,
申请(专利权)人:河北工业大学,
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。