[发明专利]人脸图像分类方法、装置及服务器

权利要求书

1.一种人脸图像分类方法，其特征在于，包括下述步骤：

获取待分类的人脸图像；

将所述人脸图像输入到预设的卷积神经网络模型中，并根据所述卷积神经网络模型的卷积层输出的中间数据，对所述人脸图像的性别信息进行辨识；

根据所述卷积神经网络模型的卷积层输出的最终数据，在所述性别信息限定的范围内对所述人脸图像进行预设内容理解分类，以使决定所述卷积神经网络模型输出分类结果的数据中包括区分不同性别的差异属性；

所述卷积神经网络模型包括：第一分类集和第二分类集，所述第一分类集根据所述卷积神经网络模型的卷积层输出的中间数据，对所述人脸图像的性别信息进行辨识，所述第二分类集根据所述卷积神经网络模型的卷积层输出的最终数据，在所述性别信息限定的范围内对所述人脸图像进行内容理解分类。

2.根据权利要求1所述的人脸图像分类方法，其特征在于，所述第一分类集中至少包括两个全连接层和一个分类层，所述第一分类集以所述卷积层中倒数第二个卷积层输出的中间数据作为输入信号；所述第二分类集中包括至少两个全连接层与一个分类层，所述第二分类集以所述卷积层中倒数第一个卷积层输出的中间数据作为输入信号。

3.根据权利要求1所述的人脸图像分类方法，其特征在于，所述卷积神经网络模型通过下述步骤训练形成：

获取标记有性别和期望分类信息的训练样本集；

将所述训练样本集输入到所述卷积神经网络模型中，训练所述第一分类集直至收敛；

当所述第一分类集收敛后，将所述训练样本集输入到所述卷积神经网络模型中，训练所述第二分类集直至收敛；

当所述第二分类集收敛后，将所述训练样本集输入到所述卷积神经网络模型中，采用较小学习率对所述第一分类集和第二分类集进行微调，至所述卷积神经网络模型处于收敛状态时为止。

4.根据权利要求3所述的人脸图像分类方法，其特征在于，所述将所述训练样本集输入到所述卷积神经网络模型中，训练所述第一分类集直至收敛的步骤，具体包括下述步骤：

将所述训练样本集输入到所述卷积神经网络模型中，获取所述第一分类集输出的性别分类结果；

通过止损函数比对所述标记性别与所述性别分类结果是否一致；

当所述标记性别与所述性别分类结果不一致时，反复循环迭代的更新所述第一分类集之前卷积层的权值，至所述标记性别与所述性别分类结果一致时结束；

所述标记性别与所述性别分类结果一致时，固定所述第一分类集之前卷积层的权值。

5.根据权利要求4所述的人脸图像分类方法，其特征在于，所述当所述第一分类集收敛后，将所述训练样本集输入到所述卷积神经网络模型中，训练所述第二分类集直至收敛的步骤，具体包括下述步骤：

将所述训练样本集输入到所述卷积神经网络模型中，获取所述第二分类集输出的激励分类结果；

通过止损函数比对所述期望分类信息与所述激励分类结果是否一致；

当所述期望分类信息与所述激励分类结果不一致时，反复循环迭代的更新位于所述第一分类集与第二分类集之间卷积层的权值，至所述期望分类信息与所述激励分类结果一致时结束；

所述标记性别与所述性别分类结果一致时，固定位于所述第一分类集与第二分类集之间卷积层的权值。

6.根据权利要求1所述的人脸图像分类方法，其特征在于，所述将所述人脸图像输入到预设的卷积神经网络模型中，并根据所述卷积神经网络模型的卷积层输出的中间数据，对所述人脸图像的性别信息进行辨识的步骤之后，还包括下述步骤：

根据所述卷积神经网络模型的卷积层输出的最终数据，在所述性别信息限定的范围内对所述人脸图像进行颜值打分，以使决定所述卷积神经网络模型输出颜值分数的数据中包括区分不同性别的差异属性。

7.根据权利要求1～6任意一项所述的人脸图像分类方法，其特征在于，所述内容理解分类包括：图像相似度比对、种族分类识别或年龄识别。