[發明專利]年齡預測模型的訓練方法及裝置、年齡預測方法及裝置

在審

• 申請號: 202010564237.8
• 申請日: 2020-06-18
• 公開（公告）號: CN111881737A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陳仿雄
• 申請（專利權）人: 深圳數聯天下智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳中細軟知識產權代理有限公司 44528
• 代理人: 王志強

1.一種年齡預測模型的訓練方法，其特征在于，所述年齡預測模型包括第一特征提取模塊、第一全連接層模塊、第二特征提取模塊及第二全連接層模塊，所述第一特征提取模塊，所述第二特征提取模塊及所述第二全連接層模塊依次級聯，所述第一全連接層模塊還與所述第一特征提取模塊級聯；

所述第一特征提取模塊用于提取輸入至所述年齡預測模型的人臉圖像的年齡層特征，所述第一全連接層模塊用于基于所述年齡層特征輸出所述人臉圖像的年齡層預測值；所述第二特征提取模塊用于基于所述年齡層特征提取所述人臉圖像的年齡特征，所述第二全連接層模塊用于基于所述年齡特征輸出所述人臉圖像在單位年齡層對應的各個年齡的預測數據，所述預測數據用于指示所述人臉圖像屬于所述各個年齡的可能性；

所述訓練方法包括：

獲取訓練數據，所述訓練數據包含人臉樣本圖像、所述人臉樣本圖像對應的年齡標簽及所述人臉樣本圖像對應的年齡層標簽；

利用所述人臉樣本圖像對所述年齡預測模型進行迭代訓練，直至基于所述年齡標簽、所述年齡層標簽、所述年齡層預測值及所述預測數據確定所述年齡預測模型收斂。

2.根據權利要求1所述的方法，其特征在于，所述利用所述人臉樣本圖像對所述年齡預測模型進行迭代訓練，直至基于所述年齡標簽、所述年齡層標簽、所述年齡層預測值及所述預測數據確定所述年齡預測模型收斂，包括：

將所述人臉樣本圖像輸入第i年齡預測模型，獲取所述第一全連接層模塊輸出的所述年齡層預測值及所述第二全連接層模塊輸出的所述預測數據；所述i的初始值為1，且i為正整數；

根據所述年齡標簽、所述年齡層標簽、所述年齡層預測值及所述預測數據確定所述第i年齡預測模型的總損失值；

若基于所述總損失值確定所述第i年齡預測模型收斂，則確定所述第i年齡預測模型為訓練完成后的年齡預測模型，結束訓練；

若基于所述總損失值確定所述第i年齡預測模型不收斂，則根據所述總損失值對所述第i年齡預測模型進行參數優化，得到第i+1年齡預測模型，令i＝i+1，返回執行所述將所述人臉圖像輸入第i年齡預測模型的步驟。

3.根據權利要求2所述的方法，其特征在于，所述根據所述年齡標簽、所述年齡層標簽、所述年齡層預測值及所述預測數據確定所述第i年齡預測模型的總損失值，包括：

根據所述年齡層預測值及所述年齡層標簽確定所述第i年齡預測模型的第一損失值，根據所述年齡層預測值、所述預測數據及所述年齡標簽確定所述第i年齡預測模型的第二損失值；

根據所述第一損失值及所述第二損失值，得到所述第i年齡預測模型的總損失值。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第一損失值及所述第二損失值，得到所述年齡預測模型的總損失值，包括：

獲取所述第一損失值對應的第一損失權重，及所述第二損失值對應的第二損失權重；

利用所述第一損失值、所述第二損失值、所述第一損失權重及所述第二損失權重，得到所述年齡預測模型的總損失值。

5.根據權利要求2所述的方法，其特征在于，所述根據所述總損失值對所述第i年齡預測模型進行參數優化，得到第i+1年齡預測模型，包括：

利用所述i的值對自適應矩估計adam算法的學習率進行更新，得到更新后的學習率；

利用所述總損失值、所述更新后的學習率及所述adam算法對所述第i年齡預測模型進行參數優化，得到第i+1年齡預測模型。

6.根據權利要求1至5任意一項所述的方法，其特征在于，所述獲取訓練數據，之后還包括：

按照年齡層標簽或者年齡標簽將所述訓練數據劃分成與各年齡層標簽或各年齡標簽對應的子訓練數據；

利用數據增強方式對所述子訓練數據進行數據均衡處理，得到增強后的訓練數據。