申请/专利权人：五邑大学

申请日：2020-08-25

公开（公告）日：2024-02-20

公开（公告）号：CN112069946B

主分类号：G06V40/16

分类号：G06V40/16

优先权：

专利状态码：有效-授权

法律状态：2024.02.20#授权;2020.12.29#实质审查的生效;2020.12.11#公开

摘要：本发明公开了人脸美丽预测方法、装置及存储介质，其中方法包括：获取人脸图像；对人脸图像提取图像特征；根据图像特征分类得到人脸美丽判断结果；其中，在训练人脸美丽预测网络至特征稳定状态后，通过自纠正机制纠正标签中的噪声标签。通过自纠正机制纠正噪声标签，使噪声标签变成正确标签，然后重新对人脸美丽预测网络训练得到正确的人脸美丽判断结果；在重新训练的过程中，对人脸美丽预测网络的参数进行调整以优化人脸美丽预测网络，提高人脸美丽预测网络的泛化能力和分类准确性。

主权项：1.一种人脸美丽预测方法，其特征在于，应用于人脸美丽预测网络，所述人脸美丽预测网络包括输入层、特征提取层和分类层，所述人脸美丽预测方法包括以下步骤：通过所述输入层获取人脸图像，其中所述人脸图像标有标签，所述标签与所述人脸图像一一对应，所述标签包括正确标签和噪声标签；通过所述特征提取层对所述人脸图像提取图像特征；通过所述分类层根据所述图像特征分类得到人脸美丽判断结果；其中，在训练所述人脸美丽预测网络至特征稳定状态后，通过自纠正机制纠正所述标签中的噪声标签；计算所有所述人脸图像的损失值；将所述损失值小于第一设定阈值的人脸图像所对应的标签归类为所述正确标签，并将所述损失值大于第一设定阈值的人脸图像所对应的标签归类为所述噪声标签；判定所述人脸美丽预测网络是否处于所述特征稳定状态；当所述人脸美丽预测网络的总损失函数小于第二设定阈值，所述人脸美丽预测网络处于所述特征稳定状态，其中所述总损失函数为所有人脸图像的特征方差总和与正确标签的损失值之和；所述自纠正机制具体为：通过纠正公式返回的类别替换对应的所述人脸图像的类别；所述纠正公式为式中Ftop是所述噪声标签的特征，是所述人脸图像的特征方差，Di是第i个类别的人脸图像的D维特征，meani是第i个类别的人脸图像的D维特征的平均值；其中所述人脸图像标有多种标签，具有相同所述标签的所述人脸图像归为一个类别。

全文数据：

权利要求：

百度查询： 五邑大学 人脸美丽预测方法、装置、系统及存储介质

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