[发明专利]用于图像性别分类的神经网络训练方法及装置

说明书

本发明公开了一种用于图像性别分类的神经网络训练方法及装置，该方法包括：将训练图像集输入至特征提取网络模型进行特征提取，以得到图像轮廓特征信息；将所述训练图像集输入至第一性别分类网络模型，以得到图像性别特征信息；将所述图像轮廓特征信息与所述图像性别特征信息进行融合，得到图像融合特征信息；将所述图像融合特征信息输入至第二性别分类网络模型进行训练，直到收敛，得到目标神经网络模型；所述目标神经网络模型用于对输入图像的性别进行分类。可见，本发明可以提高后续训练得到的网络模型的性别分类精确度，同时相对于现有的性别分类网络模型训练方法，本发明中的模型复杂大大降低，收敛速度更快，人力物力成本更低。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种用于图像性别分类的神经网络训练方法及装置。

背景技术

在现有的商业模式中,图像往往比文字更有吸引力,其展示和推广效果更加显著。因此,图像开始承担更多的商品或服务宣传的功能，在这种情况下，如何正确地对图像的性别进行分类有着重要的意义。现有的图像性别分类算法，有采用多标签的图像数据集进行网络训练的做法，这类算法的成本较高，并不适用于单独的性别分类任务，也有引入图像分割、人体检测或目标关键点检测等其他的计算机视觉任务的做法，这类算法同样需要耗费较大的时间成本和人力成本，同时多任务的并行训练也减慢了模型的收敛速度。

可见，现有的图像性别分类技术存在缺陷，亟需得到解决。

发明内容

本发明所要解决的技术问题在于，提供一种用于图像性别分类的神经网络训练确定方法及装置，可以将图像的轮廓信息引入至图像的性别分类网络训练中，提高了后续训练得到的网络模型的性别分类精确度，同时相对于现有的性别分类网络模型训练方法，本发明中的模型复杂大大降低，收敛速度更快，人力物力成本更低。

为了解决上述技术问题，本发明第一方面公开了一种用于图像性别分类的神经网络训练方法，所述方法包括：

将训练图像集输入至特征提取网络模型进行特征提取，以得到图像轮廓特征信息；

将所述训练图像集输入至第一性别分类网络模型，以得到图像性别特征信息；

将所述图像轮廓特征信息与所述图像性别特征信息进行融合，得到图像融合特征信息；

将所述图像融合特征信息输入至第二性别分类网络模型进行训练，直到收敛，得到目标神经网络模型；所述目标神经网络模型用于对输入图像的性别进行分类。

作为一种可选的实施方式，在本发明第一方面中，所述图像轮廓特征信息为多通道多层次的图像轮廓特征信息；所述特征提取网络模型包括有多个用于分别提取不同层次的轮廓特征的特征提取层和相应的多个用于统一尺寸的尺寸统一层；所述将训练图像集输入至特征提取网络模型进行特征提取，以得到图像轮廓特征信息，包括：

将训练图像集输入至多个所述特征提取层，以输出多个不同尺寸的图像轮廓特征；

将每一所述特征提取层输出的所述图像轮廓特征输入至对应的所述尺寸统一层，以得到多个同一尺寸的图像轮廓特征；

将所述多个同一尺寸的图像轮廓特征确定为图像轮廓特征信息。

作为一种可选的实施方式，所述多个特征提取层为多个依次级联的卷积层，其中每一所述卷积层的输出均连接至一所述尺寸统一层。

作为一种可选的实施方式，在本发明第一方面中，所述将所述图像融合特征信息输入至第二性别分类网络模型进行训练，直到收敛，得到目标神经网络模型，包括：

将所述图像融合特征信息输入至第二性别分类网络模型进行训练；

基于反向传播，不断更新所述第一性别分类网络模型和/或所述第二性别分类网络模型的模型参数，直至第一损失函数收敛，以得到目标神经网络模型。