[發明專利]人臉屬性識別網絡的訓練方法、識別方法及相關設備

在審

• 申請號: 202210426258.2
• 申請日: 2022-04-22
• 公開（公告）號: CN114639001A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 張詩;譚軍勝;何正威;朱博
• 申請（專利權）人: 武漢中科通達高新技術股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V40/16;G06K9/62
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 熊恒定

本申請實施例提供了一種人臉屬性識別網絡的訓練方法、識別方法及相關設備，本申請實施例的人臉屬性識別方法，能夠獲取訓練任務和測試任務，訓練任務的人臉圖像樣本和測試任務的人臉圖像樣本所屬領域不同，通過訓練任務和測試任務，得到一個在訓練任務所屬領域和測試任務所屬領域的損失都較小的網絡參數，旨在提高人臉屬性識別網絡識別不同領域的人臉屬性的能力，提供一個通用的魯棒的網絡。

技術領域

本申請涉及計算機技術領域，具體涉及一種人臉屬性識別網絡的訓練方法、識別方法及相關設備。

背景技術

在進行人臉屬性識別時，若出現人臉被口罩眼鏡等配飾遮擋、光線不佳等情況，均會導致年齡等人臉屬性的識別精度降低。

為提高人臉識別精度，在進行人臉屬性識別前，往往會評估人臉圖像的質量，若人臉圖像出現遮擋嚴重或者光線不佳的情況，則不進行屬性識別，然而，該種方式，對于當下日常需要佩戴口罩的情況，并不適用。

另一類方法是在進行網絡訓練時，將不同領域的數據如口罩數據、暗光數據、強光數據、以及處于不同拍攝場景的數據作為網絡訓練的數據集一同輸入人臉屬性識別模型進行訓練。然而，該種方式需要依賴于大規模的數據集以進行訓練，以及高性能硬件以支持龐大的計算量，若數據集中只包括部分領域的數據，通過該數據集訓練出的網絡可能會產生過擬合，只能在部分領域下取得一定的人臉屬性識別精度，難以泛化到訓練集中不存在的領域。

發明內容

本申請實施例提供一種人臉屬性識別網絡的訓練方法、識別方法及相關設備。

一方面，本申請提供一種人臉屬性識別網絡的訓練方法，所述人臉屬性識別網絡的訓練方法包括：確定待訓練的人臉屬性識別網絡當前的網絡參數；獲取用于訓練人臉屬性識別網絡的至少一個測試任務和至少一個訓練任務；所述測試任務的人臉圖像樣本和所述訓練任務的人臉圖像樣本所屬人臉屬性識別領域不同；通過用于計算訓練任務損失的第一損失函數，以及所述當前的網絡參數，得到所述訓練任務的第一損失函數值；根據所述第一損失函數和所述訓練任務中的人臉圖像樣本，對所述當前的網絡參數進行梯度下降，得到所述訓練任務對應的梯度下降后的第一網絡參數；通過用于計算測試任務損失的第二損失函數和所述第一網絡參數，得到所述測試任務對應的第二損失函數值；將所述第一損失函數值，以及所述第二損失函數值輸入用于計算人臉屬性識別網絡損失的第三損失函數，得到第三損失函數值；根據所述第三損失函數值判斷所述第三損失函數是否收斂；若所述第三損失函數不收斂，根據所述第三損失函數，對所述當前的網絡參數進行梯度下降，得到梯度下降后的第二網絡參數；將所述第二網絡參數作為當前的網絡參數，重新進行獲取用于訓練人臉屬性識別網絡的至少一個測試任務和至少一個訓練任務的步驟；直至所述第三損失函數收斂，則判定所述人臉屬性識別網絡訓練完成，得到訓練好的人臉屬性識別網絡。

在本申請一些實施方案中，人臉屬性識別網絡包括：用于提取人臉特征的特征提取網絡，以及用于通過提取的人臉特征識別人臉屬性的分類網絡。

在本申請一些實施方案中，根據所述第一損失函數和所述訓練任務中的人臉圖像樣本，對所述當前的網絡參數進行梯度下降，得到所述訓練任務對應的梯度下降后的第一網絡參數，包括：根據所述第一損失函數和所述訓練任務中的人臉圖像樣本，僅對所述當前的網絡參數中的分類網絡參數進行梯度下降，得到梯度下降后的第一網絡參數。在通過訓練任務進行梯度下降時，僅對分類網絡參數梯度下降，能夠加快人臉屬性識別網絡訓練時的收斂速度。

在一些實施方案中，第三損失函數為：所述第一損失函數與所述第二損失函數加權求和；所述將所述第一損失函數值，以及所述第二損失函數值輸入用于計算人臉屬性識別網絡損失的第三損失函數，得到第三損失函數值，包括：對所述第一損失函數值，以及所述第二損失函數值加權求和，得到第三函數值。

在一些實施方案中，人臉屬性識別領域為：具有預設圖像標準的人臉屬性識別領域，具有不同光強范圍的人臉屬性識別領域，具有面部遮擋的人臉屬性識別領域，或預設拍攝場景的人臉屬性識別領域。