【技术实现步骤摘要】
本申请涉及人脸识别，具体涉及一种人脸多属性识别模型的训练方法、人脸多属性识别方法、电子设备、机器可读存储介质及计算机程序产品。
技术介绍
1、人脸多属性识别是利用计算机视觉和机器学习，来高效识别人脸图片中的多种属性的技术，这些属性可以包括年龄、性别、种族、表情、发型、是否佩戴眼镜或者帽子等，这一技术可落地在安保、通行和自助服务等许多实际应用场景。目前，人脸多属性识别通常通过采用深度学习算法，深度学习算法基于大量的标签数据，通过设计多任务模型或者学习策略来实现对多种人脸属性的快速、准确地识别。
2、然而，这种多任务识别网络通常包含深层、多子网络的庞大结构，其缺点在于推理时效性有限，需要较长的时间或者推理步骤来进行识别，这对于一些实时性要求较高的应用场景来说是一个问题。并且网络内的参数越多，则要求更多的训练数据，模型的训练也会冗长。
技术实现思路
1、本申请实施例的目的是提供一种人脸多属性识别模型的训练方法、人脸多属性识别方法、电子设备、机器可读存储介质及计算机程序产品，用以解决现...
【技术保护点】
1.一种人脸多属性识别模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的人脸多属性识别模型的训练方法，其特征在于，所述确定多个训练数据集包括：
3.根据权利要求2所述的人脸多属性识别模型的训练方法，其特征在于，所述从所述多个训练数据集中选取一个符合预设要求的训练数据集作为卷积神经网络的第一组训练数据包括：
4.根据权利要求2所述的人脸多属性识别模型的训练方法，其特征在于，所述训练方法还包括：
5.根据权利要求1所述的人脸多属性识别模型的训练方法，其特征在于，所述卷积神经网络的计算公式如公式(1)：<...
【技术特征摘要】
1.一种人脸多属性识别模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的人脸多属性识别模型的训练方法，其特征在于，所述确定多个训练数据集包括：
3.根据权利要求2所述的人脸多属性识别模型的训练方法，其特征在于，所述从所述多个训练数据集中选取一个符合预设要求的训练数据集作为卷积神经网络的第一组训练数据包括：
4.根据权利要求2所述的人脸多属性识别模型的训练方法，其特征在于，所述训练方法还包括：
5.根据权利要求1所述的人脸多属性识别模型的训练方法，其特征在于，所述卷积神经网络的计算公式如公式(1)：
6.根据权利要求1所述的人脸多属性识别模型的训练方法，其特征在于，所述卷积低秩适应模块的计算公式如公式(2)：
7.一种人脸多属性识别方法，其特征在于，包括：
8.一种人脸多属性识别模型的训练装置，其特征在于，所述训练装置包括：
9.根据权利要求8所述的人脸多属性识别模型的训练装置，其特征在于，所述确定多个训练数据集包括：
10.根据权利要求9所述的人脸多属性识...
【专利技术属性】
技术研发人员：吴雨，王晔，杨凯，
申请(专利权)人：中国建设银行股份有限公司，
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。