[發明專利]基于卷積神經網絡的人臉圖像性別識別模型及識別方法

有效

• 申請號: 201911175072.9
• 申請日: 2019-11-26
• 公開（公告）號: CN110956116B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 陰紫微;陳淑榮
• 申請（專利權）人: 上海海事大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/80;G06V10/77;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 張妍;周乃鑫

1.一種基于卷積神經網絡的人臉圖像性別識別模型，其特征在于，包含：

輸入層，用于輸入經過預處理后統一大小的人臉圖像；

深層網絡卷積層，其提取的特征中包含更豐富和更完整的語義特征；

淺層網絡卷積層，其提取的特征中包含細部紋理邊緣信息；

融合層，用于將深層網絡卷積層提取的特征和淺層網絡卷積層提取的特征進行特征融合；

全連接層，用于將卷積池化后的特征圖轉換為向量；

輸出層，用于采用L-Softmax?Loss函數對特征進行分類輸出；

所述的深層網絡卷積層包含：

多個卷積層，用于提取人臉圖像中的特征，所述的卷積層的數量為10～20；

多個池化層，用于對卷積層提取到的特征進行降維處理；

多個Slice層，用于將經過卷積層提取到的多個特征均分為兩部分；

多個Eltwise層，用于從兩部分特征圖中對比選取特征響應最高的特征圖；

所述的淺層網絡卷積層包含：

多個卷積層，用于提取人臉圖像中的特征，所述的卷積層的數量為小于10；

多個池化層，用于對卷積層提取到的特征進行降維處理。

2.一種基于卷積神經網絡的人臉圖像性別識別方法，其特征在于，包含以下步驟：

深層網絡卷積層和淺層網絡卷積層分別提取輸入層中輸入的人臉圖像中的特征；

融合層將深層網絡卷積層提取的特征和淺層網絡卷積層提取的特征進行特征融合；

全連接層將卷積池化后的特征圖轉換為向量；

輸出層采用L-Softmax?Loss函數對特征進行分類輸出；

所述的深層網絡卷積層提取人臉圖像中特征的方法包含：

卷積層提取人臉圖像中的特征；

池化層對卷積層提取到的特征進行降維處理；

Slice層將經過卷積層提取到的多個特征圖均分為兩部分；

Eltwise層進行對比取最大值操作，從兩部分特征圖中選取特征響應最高的特征圖；

所述的淺層網絡卷積層提取人臉圖像中特征的方法包含：

卷積層提取人臉圖像中的特征；

池化層對卷積層提取到的特征進行降維處理。

3.如權利要求2所述的基于卷積神經網絡的人臉圖像性別識別方法，其特征在于，輸入層輸入統一大小的人臉圖像。