[發明專利]基于分層偽三維注意力卷積神經網絡的人臉圖像分類方法

在審

• 申請號: 202110659025.2
• 申請日: 2021-06-15
• 公開（公告）號: CN113343865A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 裴炤;萬志楊;張艷寧;馬苗;郭敏;武杰;陳昱蒞
• 申請（專利權）人: 陜西師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京前審知識產權代理有限公司 11760
• 代理人: 張波濤;尹秀峰

本公開揭示了一種基于分層偽三維注意力卷積神經網絡的人臉圖像分類方法，包括：對待分類的彩色人臉圖像進行預處理；對預處理后的待分類彩色人臉圖像進行幾何歸一化處理；構建分層偽三維注意力卷積神經網絡并進行訓練，所述分層偽三維注意力卷積神經網絡包括3個輸入層、1個卷積層、1個最大池化層、16個由偽三維卷積模塊、注意力模塊和全局上下文模塊組成的偽三維注意力模塊、1個全局平均化層和1個輸出層；將幾何歸一化處理后的待分類彩色人臉圖像輸入所述分層偽三維注意力卷積神經網絡進行分類。

技術領域

本公開屬于圖像識別領域，具體涉及一種基于分層偽三維注意力卷積神經網絡的人臉圖像分類方法。

背景技術

彩色人臉圖像分類是計算機視覺領域的一項重要任務，注意力機制在圖像分類中一直占有重要地位。目前，許多學者通過改進注意力機制的方式去改善網絡結構，通過擠壓和激勵注意力網絡對通道注意力進行調整，首先使用全局平均池化將全局特征擠壓進通道特征中，接著使用一個簡單的門機制并使用sigmoid函數激勵，最后將對應通道乘積，在不增加計算成本的基礎上大幅提升了網絡性能，但是該方式并沒有考慮全局上下文信息對位置編碼的重要性，而位置編碼對于在計算機視覺任務中捕獲對象結構是至關重要的，而且也能有效提升網絡對圖像的分類性能。還有學者提出了坐標注意力，通過對不同方向的平均池化操作，以獲取位置信息，并結合通道信息，借此來提升網絡的分類性能。但是僅僅使用不同方向的池化難以獲取全局的感受野，而且通過二維圖像數據也難以捕獲更深層的特征，三維數據又會使得網絡參數過于復雜，導致網絡極易過擬合。此外，現有的流行網絡中的softmax損失函數并不能很好地對人臉進行高精度識別分類。

發明內容

針對現有技術中的不足，本公開的目的在于提供一種基于分層偽三維注意力卷積神經網絡的人臉圖像分類方法，能夠同時提取到人臉細節部位的高維特征和邊緣輪廓的低維特征，從而實現對人臉的精準分類。

為實現上述目的，本公開提供以下技術方案：

一種基于分層偽三維注意力卷積神經網絡的人臉圖像分類方法，包括如下步驟：

S100：對待分類的彩色人臉圖像進行預處理；

S200：對預處理后的待分類彩色人臉圖像進行幾何歸一化處理；

S300：構建分層偽三維注意力卷積神經網絡并進行訓練，所述分層偽三維注意力卷積神經網絡包括3個輸入層、1個卷積層、1個最大池化層、16個由偽三維卷積模塊、注意力模塊和全局上下文模塊組成的偽三維注意力模塊、1個全局平均化層和1個輸出層；

S400：將幾何歸一化處理后的待分類彩色人臉圖像輸入所述分層偽三維注意力卷積神經網絡進行分類。

優選的，所述偽三維卷積模塊由1個卷積核大小為1×1×1的卷積層和2個卷積核大小分別為3×3×1和1×1×3的卷積層構成。

優選的，所述注意力模塊包括：

第一單元，通過3×3×3和5×5×5的卷積核分別對偽三維卷積模塊進行卷積處理獲得兩個特征矩陣，將兩個特征矩陣分別進行最大池化和平均池化處理并進行級聯操作得到兩個級聯特征矩陣，對兩個級聯特征矩陣采用多卷積方式，得到輸出特征矩陣；

第二單元，用于將輸出特征矩陣通過全局平均池化的方式擠壓進通道中，經過非線性處理后，采用sigmoid函數得到兩個權重特征矩陣，且該權重特征矩陣的參數隨反向傳播更新；

第三單元，用于將兩個權重特征矩陣與第一單元中的兩個輸出特征矩陣分別進行乘積，得到兩個帶注意力權重的特征矩陣，最后進行級聯和1×1的卷積操作，即獲得注意力模塊的輸出特征矩陣。

優選的，所述注意力模塊表示為：

s＝Fz(z，W)＝δ(BN(z))