[发明专利]一种基于混合双模型的年龄预测方法

说明书

本发明公开了一种基于混合双模型的年龄预测方法，包括：构建第一深度神经网络；对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；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；构建第二深度神经网络；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；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，预测年龄。本发明通过综合两个采取新发明方法的网络，能够有效地提高年龄预测的准确度以及减低误差。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于混合双模型的年龄预测方法。

背景技术

随着人工智能的发展，深度学习正应用在日常生活的方方面面，年龄识别也可以通过这个技术来解决。年龄预测既可以用在人机交互，比如在有摄像头的自动售卖机，可以通过年龄预测算法判断消费者是否到达购买香烟和含酒精饮料的法定年龄。年龄预测还可以用于人口检索，通过设定年龄范围来缩减搜索目标。年龄预测还有很多方面的应用可供挖掘。但是目前年龄预测的效果并不能很好地满足精确预测的要求。这是由于年龄是一个缓慢的过程，所以精确的年龄预测往往不易得到；而且不同人的老化过程受其基因和生活环境影响。这两个方面意味着年龄预测不能简单地看成分类问题，而是需要根据其自身特点来专门设计学习目标。深度学习在年龄预测上有一个需要解决的问题是如何将年龄合理编码。

年龄预测的标签对年龄预测准确度的效果影响很大，所以如何设计一种合适的年龄标签是一个值得研究的问题。同时，如何寻找一个效果也不错的网络进行融合也值得探究。

发明内容

本发明的目的在于克服年龄编码存在的问题，提出一种基于混合双模型的年龄预测方法。本发明中的年龄编码过程中同时采用了年龄的顺序信息及相关性信息，并且采用了一个新的逐步调整编码的方法与年龄编码过程相结合，获得更好的年龄预测效果。

本发明的目的能够通过以下技术方案实现：

一种基于混合双模型的年龄预测方法，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；

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分布学习；

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；

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。

优选地，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。

更进一步地，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。

具体地，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。