[发明专利]一种基于混合双模型的年龄预测方法

权利要求书

1.一种基于混合双模型的年龄预测方法，其特征在于，包括步骤：

构建基于图像识别的第一深度神经网络，第一深度神经网络用于软标签学习；

对构建的第一深度神经网络进行初始化；

获取人脸年龄图片的软标签，软标签的获取方法包括步骤：

设定超参数σ₁用于控制输入标签中不同年龄的相关性；

根据高斯函数的累计分布函数对所有年龄计算标签向量，计算方法如下：

其中，N代表的是不同年龄，y是人脸照片的真实年龄，p为元素p^k组成的标签向量；

根据获得的标签向量，计算1-p，将p与1-p在第一维度并联，得到最终用于学习的标签矩阵M；

构造第一目标函数，采用第一目标函数对第一深度神经网络的输出和软标签进行损失计算，并更新第一深度神经网络；

构建基于图像识别的第二深度神经网络，第二深度神经网络用于标签学习；

对构建的第二深度神经网络进行初始化；

获取人脸年龄图片的标签分布标签；

构造第二目标函数，采用第二目标函数对第二深度神经网络的输出和标签分布标签进行损失计算，并更新第二深度神经网络，，第二目标函数构造方法为：对第二深度神经网络输出的一个100维向量的输出，先使用softmax函数对第二深度神经网络的输出转换成概率分布，每一维度代表在某个年龄的分布概率，计算当前批量输出分布的平均标准差，并用于标签分布标签的计算；将预测的概率分布与得到的标签分布向量的KL散度以及计算概率分布方差作为第二目标函数；KL-散度的表达式为：

用于计算方差的预测年龄表达式为：

方差函数为：

第二目标函数为：

loss＝KL_DIVERGENCE+γ*variance

其中，γ为预设的方差函数权重；

采用随机梯度下降方法，根据第二目标函数对第二深度神经网络进行更新；

使用训练好的第一深度神经网络和第二深度神经网络对待测照片进行结果提取，并将输出结果转化成预测的年龄，分别计算两个网络的预测年龄，用以下公式将输出的概率分布转换成最终预测年龄：

第一深度神经网络的预测年龄表达式为：

第二深度神经网络的预测年龄表达式为：

最终预测年龄表达式为：

其中，α为权重参数。

2.根据权利要求1所述的方法，其特征在于，所述构建基于图像识别的第一深度神经网络的步骤中，以ResNet-34网络为基础结构进行调整，构建基于N个二输出分类任务的第一深度神经网络；所述第一深度神经网络的构建方法为：在ResNet-34网络中，删除输出维度为1000的全连接层，在全局池化层后接N个两个神经元输出的全连接层。

3.根据权利要求1所述的方法，其特征在于，所述对构建的第一深度神经网络进行初始化的步骤中，采用在人脸识别常用数据集MS-CELEB-1M预训练后的参数对构建的第一深度神经网络中除了分类层外的参数进行初始化。

4.根据权利要求1所述的方法，其特征在于，所述构造第一目标函数，采用第一目标函数对第一深度神经网络的输出和软标签进行损失计算，并更新第一深度神经网络的步骤中，第一目标函数的构造方法为：

对于第一深度神经网络中的N个二输出分类函数元，先使用softmax函数对第一深度神经网络的输出转换成概率分布：每个概率分布有两维，分别表示大于该年龄的概率和小于该年龄的概率；

对预测的概率分布和得到的标签矩阵M的第二维度中的每个二值标签分别进行KL散度计算，再将所有的KL散度结果相加作为第一目标函数；

得到的第一目标函数的表达式为：

其中，N表示年龄范围，o为由元素o_kj组成的矩阵，表示网络输出，M是输入标签矩阵，softmax函数的表达式为：

采用随机梯度下降方法，根据第一目标函数对第一深度神经网络进行更新。