四川省计算机研究院臧航行获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉四川省计算机研究院申请的专利基于深度学习的低分辨图像下的人脸年龄估计方法和终端获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119314220B 。
龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411874390.5,技术领域涉及:G06V40/16;该发明授权基于深度学习的低分辨图像下的人脸年龄估计方法和终端是由臧航行;许源源;李天甲;邓朝晖设计研发完成,并于2024-12-19向国家知识产权局提交的专利申请。
本基于深度学习的低分辨图像下的人脸年龄估计方法和终端在说明书摘要公布了:本发明提供一种基于深度学习的低分辨图像下的人脸年龄估计方法和终端,包括S1:图像数据预处理;S2:图像特征提取;S3:不同层级特征聚合;S4:年龄估计模块;本发明是专为低分辨人脸图像设计的特征提取网络,并设计了多粒度池化层用于下采样操作,减少细节信息在下采样中的丢失;以此增强在低分辨率场景下对人脸年龄估计的准确率。本发明通过对低分辨率的人脸部图像进行多粒度下采样,通过保留足够的细节信息有效提高低分辨率图像下年龄估计的准确率,在6464分辨率下达到2.3MAE和91.8%的CS(5)准确率。
本发明授权基于深度学习的低分辨图像下的人脸年龄估计方法和终端在权利要求书中公布了:1.一种基于深度学习的低分辨图像下的人脸年龄估计方法,其特征在于:包括如下步骤: S1:图像数据预处理,对输入的低分辨率人脸图像进行预处理,对于亮度低的图像进行亮度增强,对亮度高的图像降低亮度,并对图像进行分辨率优化和归一化处理; S2:图像特征提取,通过重新构建的卷积神经网络进行特征提取,将预处理后的图像输入退化模型得到分辨率为64的低分辨率图像,采用64×64作为图像输入标准,设计卷积模型和多粒度池化下采样层用于特征提取,使用SoftOrdinalLabelLoss作为损失函数,针对年龄特征的序列关系,挖掘可分辨的年龄特征; S3:不同层级特征聚合,对不同层级输出的特征进行特征聚合,通过MLP层对聚合特征进行特征融合; S4:进行年龄估计,基于聚合后的特征,进行年龄预测,并输出估计的年龄值; 进行步骤S2图像特征提取时,对低分辨率人脸图像神经网络进行训练时包括如下步骤: 提取数据集中的人脸图像,裁剪为256×256大小,并输入退化模型,模拟真实世界中所遇到的人脸图像,所述退化模型包括对图像随机进行高斯模糊、添加高斯噪声和压缩噪声,具体如下: 其中Dh表示退化模型,RS表示随机挑选策略,h表示高分辨率图像,k表示高斯模糊核,↓表示下采样操作,nnoise表示噪声,表示卷积操作,NJPEG表示压缩成JPEG格式时产生的噪声; 进行步骤S2图像特征提取时,所述年龄特征针对低分辨率图像进行设计,采用下采样层-多粒度池化层结构,以减少下采样过程中信息的损失以及加强特征的表达,其中多粒度池化层定义为: 其中,w表示多粒度池化层,σ表示Sigmoid函数,C1Dk表示卷积核为k的1D卷积,GAP表示全局平均池化,fcs表示对特征向量按照通道方向进行随机通道打乱; 通过每个特征点在模型性能上的贡献不同,给予不同的权重,加强有效特征信息,其中ai和aj代表局部区域R中的激活图; 其中p属于超参数,用于控制不同的阶数,ai表示局部区域R中的激活图,通过MGeMPool获得不同粒度的特征信息,将MGeMPool和SoftPool采样层信息进行混合叠加,减少下采样中信息丢失的可能,并增强不同粒度通道信息之间的交互,提高低分辨率下可分辨年龄特征的表达; 所述步骤S2图像特征提取中,针对低分辨率下的人脸图像的神经网络结构整体分为5层,每一层由卷积块叠加构成,且卷积块的比例为2:2:6:2:1,其中每一个卷积块由3×3的卷积、BatchNorm层、EffectiveChannelAttention和SpatialAttention构成,通过EffectiveChannelAttention高效通道注意力,增加不同通道之间的信息交互,提高年龄特征在通道上的表达,同时通过空间注意力,增强空间层面对可分辨年龄特征的挖掘; 所述步骤S2中,损失函数SoftOrdinalLabelLoss具体分为如下两个部分: 对年龄标签进行软化处理:其中yi表示软化后的年龄标签,Y={r1,r2,r3…rN},表示N个有序类别,函数表示L1距离,定义为: 对损失函数定义为:其中Lsc表示损失函数,T代表样本总个数,pi表示预测为i年龄的概率; 总的损失函数具体为:Ltotal=α1Lsc5+α2Lsc4+α3Lsc3+α4Lsc2,其中α1、α2、α3、α4为各层损失函数的权重值,Lsc2、Lsc3、Lsc4、Lsc5为每一层计算的损失函数,Ltotal为总的损失函数; 所述步骤S4进行年龄估计时,利用聚合后的特征预测年龄分布,然后根据年龄分布计算预测年龄: 其中是预测年龄,pn是n年龄段的概率,N是年龄范围。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人四川省计算机研究院,其通讯地址为:610000 四川省成都市成科西路3号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。