[發明專利]年齡預測模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202210926657.5
• 申請日: 2022-08-03
• 公開（公告）號: CN115293260A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 黃振杰;吳志偉;楊海軍;陳麗珍
• 申請（專利權）人: 廣東履安實業有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 岳曉萍

1.一種年齡預測模型訓練方法，其特征在于，包括：

構建帶有年齡類別標簽的樣本訓練集；

將所述樣本訓練集輸入至預先構建的神經網絡模型中進行訓練，得到所述樣本訓練集中各訓練樣本分別對應的年齡預測概率；

根據各所述年齡預測概率和各年齡類別分別對應的容忍誤差值，確定年齡預測值；

根據所述年齡預測值，訓練所述神經網絡模型，并根據訓練好的神經網絡模型，得到年齡預測模型。

2.根據權利要求1所述的方法，其特征在于，所述根據各所述年齡預測概率和各年齡類別分別對應的容忍誤差值，確定年齡預測值，包括：

從所述年齡預測概率中的各預測概率值中，選取數值較大的預測概率值作為第一預測概率值；

確定所述第一預測概率值在所述年齡預測概率中的索引位置；

確定所述索引位置下的年齡類別對應的第一容忍誤差值；

根據所述第一容忍誤差值和所述年齡預測概率，確定所述年齡預測值。

3.根據權利要求1或2任一項所述的方法，其特征在于，所述根據所述年齡預測值，訓練所述神經網絡模型，并根據訓練好的神經網絡模型，得到年齡預測模型，包括：

采用所述年齡預測值，訓練所述神經網絡模型，并更新各所述容忍誤差值；

根據更新后的各容忍誤差值，對所述訓練好的神經網絡模型進行調整，得到年齡預測模型。

4.根據權利要求3所述的方法，其特征在于，所述采用所述年齡預測值，訓練所述神經網絡模型，并更新各所述容忍誤差值，包括：

根據所述年齡預測值和年齡類別標簽下的年齡真實值，確定均值損失值；

根據所述年齡預測概率，確定尾部損失值；

根據所述年齡預測概率和各所述容忍誤差值，確定分類損失值；

根據所述均值損失值、所述尾部損失值和所述分類損失值中的至少一種，確定目標損失值；

根據所述目標損失值，對所述神經網絡模型進行迭代訓練，并更新各所述容忍誤差值。

5.根據權利要求4所述的方法，其特征在于，所述根據所述年齡預測概率，確定尾部損失值，包括：

根據所述年齡預測概率中各預測概率值的數值大小，確定預測概率排序結果；

根據所述預測概率排序結果，確定目標預測概率集合；

根據所述目標預測概率集合中的各年齡預測概率值對應的索引位置，結合所述年齡預測概率，確定尾部損失值。

6.根據權利要求4所述的方法，其特征在于，所述根據所述年齡預測概率和各所述容忍誤差值，確定分類損失值，包括：

從所述年齡預測概率中，選取該訓練樣本的年齡類別對應的第二預測概率值；

確定所述第二預測概率值對應的第二容忍誤差值；

根據所述第二容忍誤差值和所述年齡預測概率，確定分類損失值。

7.根據權利要求4所述的方法，其特征在于，所述根據所述目標損失值，對所述神經網絡模型進行迭代訓練，并更新各所述容忍誤差值，包括：

根據所述目標損失值，對所述神經網絡模型進行迭代訓練，直到所述目標損失值達到預設的模型收斂條件；

根據滿足模型收斂條件的神經網絡模型的全連接層對應的權重參數，確定不同年齡類別之間的相似度；

根據所述相似度，更新各所述容忍誤差值。

8.一種年齡預測模型訓練裝置，其特征在于，包括：

樣本訓練集構建模塊，用于構建帶有年齡類別標簽的樣本訓練集；

網絡模型訓練模塊，用于將所述樣本訓練集輸入至預先構建的神經網絡模型中進行訓練，得到所述樣本訓練集中各訓練樣本分別對應的年齡預測概率；

年齡預測值確定模塊，用于根據各所述年齡預測概率和各年齡類別分別對應的容忍誤差值，確定年齡預測值；

年齡預測模型確定模塊，用于根據所述年齡預測值，訓練所述神經網絡模型，并根據訓練好的神經網絡模型，得到年齡預測模型。