[发明专利]基于多任务对抗生成网络的强化人脸属性识别方法及系统

说明书

本发明提供的基于多任务对抗生成网络的强化人脸属性识别方法及系统，方法为：获取多属性目标输入矢量和人脸输入影像信息；对多属性目标输入矢量和人脸输入影像信息进行矢量分析，得到多属性描述矢量；对多属性描述矢量的属性数值进行判断，当属性数值不为零时，按照属性数值进行影像生成；将多属性描述矢量和人脸输入影像信息输入预先建立的多属性生成模型，按照属性排列顺序对人脸输入影像信息进行属性设置，得到目标人脸图像。本发明在多属性的人脸资料的标注在十分有限的情况下，透过多任务的对抗生成网络做辅助资料的扩展，建立多属性生成模型进行人脸属性的识别，提升原有传统深度学习模型的学习能力，提高人脸属性的识别速和准确度。

技术领域

本发明涉及电脑视觉与基于对抗生成网络的人脸属性相关应用领域，尤其涉及基于多任务对抗生成网络的强化人脸属性识别方法及系统领域。

背景技术

近年来，大数据的来源供应使得深度学习可应用在各个领域，在效能上远超过传统机器学习的算法。此卓越的效能表现使得深度学习算法与模型渐渐被广泛应用于商业应用上，而人脸属性识别任务(如识别性别，年龄，是否戴眼镜，是否脸上有胡子等)是其中一种兼具娱乐与实用性的商业应用并在学界与业界中被投入大量的目光与研究资源。然而，深度学习需要搭配大数据才能有相对好的识别效果。而在有限的人工标注速度限制与属性分布不够广泛的数据库会使得人脸属性上的算法研究时程与模型训练上受到了一定程度的局限。

因此，现有技术中的缺陷是，现有技术中对于人脸属性的识别，通常受人工标注速度和人脸属性分布不够广泛的数据库的限制，使人脸属性识别的准确度和速度受限制。

发明内容

针对上述技术问题，本发明提供一种基于多任务对抗生成网络的强化人脸属性识别方法及系统，在多属性的人脸资料的标注在十分有限的情况下，透过多任务的对抗生成网络做辅助资料的扩展，建立多属性生成模型进行人脸属性的识别，提升原有传统深度学习模型的学习能力，提高人脸属性的识别速度快和准确度。

为解决上述技术问题，本发明提供的技术方案是：

第一方面，本发明提供一种基于多任务对抗生成网络的强化人脸属性识别方法，包括：

步骤S1，获取多属性目标输入矢量和人脸输入影像信息；

步骤S2，对所述多属性目标输入矢量和人脸输入影像信息进行矢量分析，得到多属性描述矢量；

步骤S3，对所述多属性描述矢量的属性数值进行判断，当属性数值不为零时，按照所述属性数值进行影像生成；

步骤S4，将所述多属性描述矢量和人脸输入影像信息输入预先建立的多属性生成模型，按照属性排列顺序对所述人脸输入影像信息进行属性设置，得到目标人脸图像，所述多属性生成模型通过对抗生成网络学习法建立。

本发明提供的基于多任务对抗生成网络的强化人脸属性识别方法，其技术方案为：获取多属性目标输入矢量和人脸输入影像信息；对所述多属性目标输入矢量和人脸输入影像信息进行矢量分析，得到多属性描述矢量；对所述多属性描述矢量的属性数值进行判断，当属性数值不为零时，按照所述属性数值进行影像生成；将所述多属性描述矢量和人脸输入影像信息输入预先建立的多属性生成模型，按照属性排列顺序对所述人脸输入影像信息进行属性设置，得到目标人脸图像，所述多属性生成模型通过对抗生成网络学习法建立。

本发明的基于多任务对抗生成网络的强化人脸属性识别方法，在多属性的人脸资料的标注在十分有限的情况下，透过多任务的对抗生成网络做辅助资料的扩展，建立多属性生成模型进行人脸属性的识别，提升原有传统深度学习模型的学习能力，提高人脸属性的识别速和准确度。

进一步地，通过对抗生成网络学习法建立所述多属性生成模型，具体为：

获取人脸属性标注信息和人脸无标注信息；

根据所述人脸属性标注信息和人脸无标注信息，生成来源资料库；