[發明專利]人臉分類方法、裝置及智能終端

有效

• 申請號: 201710817879.2
• 申請日: 2017-09-12
• 公開（公告）號: CN107590460B
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 楊帆;李巖;李宣平
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 劉延喜;王增鑫

本發明實施例公開了一種人臉分類方法、裝置及智能終端包括下述步驟：采集待測目標信息；將所述待測目標信息輸入通過輸出目標與期望目標進行誤差優化訓練所得到的優化卷積神經網絡模型中；獲取所述優化卷積神經網絡模型輸出的所述待測目標信息的分類結果。由于采用了輸出目標與期望目標之間的誤差對卷積神經網絡模型進行反向優化，不斷地調整卷積神經網絡模型的各項參數，優化卷積神經網絡模型的性能，獲取到優化卷積神經網絡模型，能夠有效地提高卷積神經網絡模型的分類準確率。將待測目標信息輸入到優化后卷積神經網絡模型中，就能夠得到準確率較高的分類結果。

技術領域

本發明實施例涉及模型算法領域，尤其是一種人臉分類方法、裝置及智能終端。

背景技術

隨著智能移動終端運算能力的提高，智能移動終端能夠搭載越來越復雜且功能強大的應用程序。通過對用戶面部圖像進行拍攝，并將拍攝的面部圖像進行數據處理，根據數據處理結果對用戶面部圖像進行評價或分類。

現有技術中，用戶終端通過下載應用程序的方式，將服務器發送的具有普適性的數據模型進行安裝，用戶在應用該功能時，將獲取的實時面部圖像輸入至數據模型中，數據模型輸出對用戶面部圖像進行評價或分類的結果。

本發明創造的發明人在研究中發現，技術中對于用戶面部圖像分類或評價的準確率，取決于該數據模型的性能。因此，現有技術中急需一種具有優異性能的數據模型，提高用戶臉部分類精準度。

發明內容

本發明實施例提供能夠有效提高分類準確率的人臉分類方法、裝置及智能終端。

為解決上述技術問題，本發明創造的實施例采用的一個技術方案是：提供一種人臉分類方法，包括下述步驟：

采集待測目標信息；

將所述待測目標信息輸入通過輸出目標與期望目標進行誤差優化訓練所得到的優化卷積神經網絡模型中；

獲取所述優化卷積神經網絡模型輸出的所述待測目標信息的分類結果。

具體地，所述優化卷積神經網絡模型通過下述步驟訓練形成：

獲取標記有分類判斷信息的訓練樣本數據；

將所述訓練樣本數據輸入卷積神經網絡模型獲取所述訓練樣本數據的模型分類參照信息；

通過止損函數比對所述訓練樣本數據內不同樣本的模型分類參照信息，并判斷所述比對結果與所述分類判斷信息是否一致；

當所述比對結果與所述分類判斷信息不一致時，反復循環迭代的更新所述卷積神經網絡模型中的權重，至所述比對結果與所述分類判斷信息一致時結束。

具體地，所述訓練樣本數據包括：人臉數據對以及對所述人臉數據對進行標記的分類判斷信息；

所述分類判斷信息包括：人體顏值、年齡、種族和性別信息當中的一種或多種的組合，所述人臉數據對為對兩張不同的圖像進行顏值打分，各自標注每張圖像中人體臉部的顏值，并標記出兩張人臉圖像中那張人臉圖像所表示的人體臉部的顏值更高。

具體地，所述將所述訓練樣本數據輸入卷積神經網絡模型獲取所述訓練樣本數據的模型分類參照信息，的步驟具體包括：

將所述訓練樣本數據輸入卷積神經網絡模型；

將所述卷積神經網絡模型最后一層全連接的輸出值作為激活函數的輸入值獲取模型分類參照信息，以使所述分類參照信息輸出有界。

具體地，所述止損函數特征描述為：

L(a,b)＝Max(f(a)–f(b),0)(Label(a)<Label(b))；或

L(a,b)＝Max(f(b)–f(a),0)(Label(b)<Label(a))；