申请/专利权人：南京信息工程大学

申请日：2019-08-29

公开（公告）日：2023-05-26

公开（公告）号：CN110503072B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2019.12.20#实质审查的生效;2019.11.26#公开

摘要：本发明公开了一种基于多支路CNN架构的人脸年龄估计方法，本专利通过设计多支路CNN架构将人脸属性性别、肤色等考虑进年龄估计任务中，以提高人脸年龄估计的准确率。首先基于经典CNN架构设计了一种用于识别黑种男性、黑种女性、白种男性、白种女性、黄种男性、黄种女性这六类的CNN模型；接着截取该模型前半部分架构及其参数作为共享层以加强人脸属性对年龄估计任务的影响程度；然后通过设计六条针对六类人脸属性的CNN支路将不同人脸属性的年龄估计分离；最后六条支路的输出结果通过公共融合层的融合算法进行融合，从而让神经网络分别学习到特定人种、性别的人脸图片特征，以提高年龄估计的准确率。

主权项：1.一种基于多支路CNN架构的人脸年龄估计方法，其特征在于包括以下步骤步骤1，构建并训练基于单路CNN架构的属性分类模型：引入数据集，构建CNN架构，数据集导入CNN架构中并训练出一个用于识别黑种男性、黑种女性、白种男性、白种女性、黄种男性以及黄种女性的CNN模型；图像先进入该CNN模型进行人种和性别筛选并输出识别结果，结果输出是一个6×1的列向量，用Fkgroup，k∈{BM，BF，WM，WF，YM，YF}表示，其值表示输入图像与人脸属性k的匹配概率；步骤2，基于步骤1得到的基于单路CNN架构的分类模型构建并训练基于多支路CNN架构的人脸年龄估计模型；步骤21：将步骤1中训练得到的模型的前半部分架构与参数保存，作为共享层，设置共享层的目的在于加强年龄属性对于接下来的年龄估计任务的影响程度；步骤22：在共享层之后，再次构建CNN架构，该CNN架构由6条支路组成，6条支路分别作用于识别黑种男性、黑种女性、白种男性、白种女性、黄种男性以及黄种女性的年龄属性人脸图片的年龄估计，该6条支路的最后全连接层的输出结果均为一个m×1的列向量，m为年龄的数量，用Fk，k∈{BM，BF，WM，WF，YM，YF}表示，其值表示输入图像在人脸属性k的匹配基础上与m个年龄的匹配程度；步骤23：在由6条支路组成的CNN模型之后建立公共融合层，在公共融合层部分采用公式1将6条支路特征融合，公共融合层的公式为Fa＝∑Fkgroup·Fk，k∈{BM，BF，WM，WF，YM，YF}1Fa是融合后的参数向量，是一个m×1的列向量，m为年龄的数量，表示该张图片最终的年龄估计权重，此时得到结果已经将不同人种、性别的人脸图像的差异信息考虑在内；步骤24：公共融合层后接的目标函数采用交叉熵损失函数，该目标函数用于计算模型识别年龄真实值与预测值之间的误差损失并用随机梯度下降算法对6条支路的权重参数进行更新。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于多支路CNN架构的人脸年龄估计方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD