[發(fā)明專利]模型的訓練方法、跨年齡人臉識別方法和對應的裝置

有效

• 申請?zhí)枺?/td>: 201610399405.6
• 申請日: 2016-06-07
• 公開（公告）號: CN107480575B
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 李志鋒;喬宇;溫研東
• 申請（專利權(quán)）人: 深圳市商湯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 姚澤鑫

1.一種模型的訓練方法，其特征在于，包括：

分別獲取通用人臉數(shù)據(jù)庫和跨年齡人臉數(shù)據(jù)庫，所述跨年齡人臉數(shù)據(jù)庫中包括按照人臉的身份特征和年齡特征分類的多個人臉圖像組；

使用所述通用人臉數(shù)據(jù)庫和所述跨年齡人臉數(shù)據(jù)庫對由隱因子分析模型引導的深度卷積神經(jīng)網(wǎng)絡(luò)模型進行訓練，輸出訓練完成后的所述深度卷積神經(jīng)網(wǎng)絡(luò)模型；

其中，所述使用所述通用人臉數(shù)據(jù)庫和所述跨年齡人臉數(shù)據(jù)庫對由隱因子分析模型引導的深度卷積神經(jīng)網(wǎng)絡(luò)模型進行訓練，包括：

獲取所述深度卷積神經(jīng)網(wǎng)絡(luò)模型的第一卷積層參數(shù)和第一全連接層參數(shù)，所述第一卷積層參數(shù)為所述深度卷積神經(jīng)網(wǎng)絡(luò)模型的初始的卷積層參數(shù)，所述第一全連接層參數(shù)為所述深度卷積神經(jīng)網(wǎng)絡(luò)模型的初始的全連接層參數(shù)；

將所述第一卷積層參數(shù)和所述第一全連接層參數(shù)作為初始條件執(zhí)行如下循環(huán)過程：在所述第一全連接層參數(shù)取值保持不變的情況下，使用所述通用人臉數(shù)據(jù)庫訓練所述深度卷積神經(jīng)網(wǎng)絡(luò)模型，得到更新后的第一卷積層參數(shù)；在所述第一卷積層參數(shù)取值保持不變的情況下，將所述隱因子分析模型嵌入到所述深度卷積神經(jīng)網(wǎng)絡(luò)模型中，使用所述跨年齡人臉數(shù)據(jù)庫訓練嵌入有所述隱因子分析模型的深度卷積神經(jīng)網(wǎng)絡(luò)模型，得到更新后的第一全連接層參數(shù)；

當最近更新后的所述第一卷積層參數(shù)和所述第一全連接層參數(shù)均滿足預定條件時結(jié)束上述循環(huán)過程，確定最近更新后的第一卷積層參數(shù)為所述深度卷積神經(jīng)網(wǎng)絡(luò)模型中的最終的卷積層參數(shù)，確定更新后的第一全連接層參數(shù)為所述深度卷積神經(jīng)網(wǎng)絡(luò)模型中的最終的全連接層參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述最近更新后的所述第一卷積層參數(shù)和所述第一全連接層參數(shù)均滿足預定條件，包括：

最近更新后的所述第一卷積層參數(shù)收斂于卷積層閾值、且最近更新后的所述第一全連接層參數(shù)收斂于全連接層閾值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在所述第一卷積層參數(shù)取值保持不變的情況下，將所述隱因子分析模型嵌入到所述深度卷積神經(jīng)網(wǎng)絡(luò)模型中，使用所述跨年齡人臉數(shù)據(jù)庫訓練嵌入有所述隱因子分析模型的深度卷積神經(jīng)網(wǎng)絡(luò)模型，得到更新后的第一全連接層參數(shù)，包括：

根據(jù)所述第一卷積層參數(shù)確定所述跨年齡人臉數(shù)據(jù)庫中的多幅人臉圖像各自對應的卷積特征；

使用所述隱因子分析模型對所述卷積特征至少進行身份因子、年齡因子和噪聲因子的分析，得到所述卷積特征的隱因子信息；

根據(jù)所述卷積特征的隱因子信息確定所述深度卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)組，所述參數(shù)組包括卷積特征的平均分量、身份子空間、年齡子空間和噪聲能量；

根據(jù)所述參數(shù)組的初始值確定更新后的身份因子和更新后的年齡因子，并根據(jù)更新后的身份因子和更新后的年齡因子更新對所述參數(shù)組的取值，得到更新后的身份子空間、更新后的年齡子空間；循環(huán)執(zhí)行訓練過程，直至最近更新后的身份子空間和最近更新的年齡子空間均滿足預定條件，循環(huán)結(jié)束，輸出身份子空間終值和年齡子空間終值；

根據(jù)所述身份子空間終值和所述年齡子空間終值更新所述第一全連接層參數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分別獲取通用人臉數(shù)據(jù)庫和跨年齡人臉數(shù)據(jù)庫之前，所述方法還包括：

分別對通用人臉數(shù)據(jù)庫和跨年齡人臉數(shù)據(jù)庫中的多幅人臉圖像進行預處理。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述分別對通用人臉數(shù)據(jù)庫和跨年齡人臉數(shù)據(jù)庫中的多幅人臉圖像進行預處理，包括：

對所述多幅人臉圖像分別進行人臉檢測；和/或，

對所述多幅人臉圖像中的人臉關(guān)鍵點進行定位對齊；和/或，

對所述多幅人臉圖像分別進行人臉剪切和縮放。