申请/专利权人:重庆邮电大学
申请日:2020-06-24
公开(公告)日:2020-10-23
公开(公告)号:CN111814611A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/42(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.09.13#授权;2020.11.10#实质审查的生效;2020.10.23#公开
摘要:本发明涉及人脸年龄估计领域,具体涉及一种嵌入高阶信息的多尺度人脸年龄估计方法及系统,所述方法包括:输入人脸图像,对其进行预处理;将人脸图像输入到残差网络中进行全局特征提取以构建全局支路;在全局支路的不同位置插入用于提取高阶年龄信息的块;将ResNets的第一个卷积层的输出特征图作为长短期记忆网络的输入,获取年龄敏感区域的位置信息,通过剪裁得到局部特征图以构建局部支路;通过反向传播最小化损失函数,对两条支路进行联合优化,对神经网络进行迭代训练;将测试集输入到训练好的神经网络模型中,根据年龄特征计算输出最终预测年龄。本发明的网络模型计算成本较低,精度高,相关产品的适用性较强。
主权项:1.一种嵌入高阶信息的多尺度人脸年龄估计方法,其特征在于,包括以下步骤:输入带有精确年龄标签的人脸图像集合作为数据集,并对人脸图像数据集进行预处理;将预处理后的人脸图像输入到基线模型ResNet-50中,经过卷积层和最大池化层提取出浅层特征图;在提取所述浅层特征图后连接有四组顺次相连的残差模块,并构成残差网络,将所述残差网络作为全局支路并提取出人脸图像的全局特征;在第一组残差模块和第二组残差模块之间嵌入有全局二阶池化块,从而在全局支路中生成高维的全局图像表示;将所述浅层特征图作为长短期记忆神经网络的输入,构建出局部支路并提取年龄敏感区域的局部特征;联合优化求解两条支路的交叉熵损失函数,对由全局支路和局部支路所构成的卷积神经网络进行迭代训练至收敛,保存训练好的卷积神经网络模型;将待测的人脸图像输入到训练好的卷积神经网络模型中,分类器根据年龄特征计算输出最终预测年龄。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种嵌入高阶信息的多尺度人脸年龄估计方法及系统
免责声明
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。