[发明专利]一种基于蒸馏学习的人脸图像年龄识别模型训练方法及年龄识别方法

说明书

本发明公开了一种基于蒸馏学习的人脸图像年龄识别模型训练方法及年龄识别方法，该方法通过年龄标签做标签平滑，在优化函数中使用了类别权重联合均方差损失蒸馏训练第一年龄识别模型，提高而预测的精准度。并且，为了在上面模型训练的基础上进一步减少模型参数量，获取更小的年龄识别模型，同时保证模型精度，综合考虑模型速度精度和硬件支持问题，设计更小的第二年龄识别模型去学习第一年龄识别模型的输出结果，更有利于硬件部署。

技术领域

本发明涉及图像识别领域，更具体地，本发明涉及一种基于蒸馏学习的人脸图像年龄识别模型训练方法及年龄识别方法。

背景技术

随着图像识别领域的不断发展，年龄识别技术目前广泛应用于美容医疗、商场智能导购机器人、美图秀秀中，并且具有相当广泛的使用需求。

年龄识别技术主要是基于图像识别，通过获取使用者的脸部信息，进而识别出使用者的年龄。但目前年龄识别技术会受到拍摄图像的质量，目标的检测距离以及某个年龄阶段年龄难识别的问题影响，导致模型精度降低。

现有的年龄识别方法存在以下问题：1、识别存在年龄偏差误差影响，假设真实年龄为5岁，那么预测成6对就比预测成9岁精度高；2、训练出更优的年龄识别模型可能存在参数量多或特殊层影响，在实际应用部署中存在问题。

发明内容

本发明克服了现有技术的不足，提供一种基于蒸馏学习的人脸图像年龄识别模型训练方法及年龄识别方法，以期望可以解决现有技术存在的问题。

为解决上述的技术问题，本发明一方面提供了一种基于蒸馏学习的人脸图像年龄识别模型训练方法：

一种基于蒸馏学习的人脸图像年龄识别模型训练方法，其特征在于，包括以下步骤，

准备步骤：制作训练数据、读取训练数据、读取训练模型配置参数、对年龄训练图像进行预处理；

第一年龄识别模型训练：采用特征提取模块作为第一年龄识别模型，使用平滑标签结合类别权重、均方差联合损失优化训练所述第一年龄识别模型，直至Loss下降到稳定状态，停止第一年龄识别模型训练；

第二年龄识别模型训练：采用另一特征提取模块作为第二年龄识别模型，由第一年龄识别模型训练第二年龄识别模型，直至第二年龄识别模型的Loss下降到稳定状态，停止训练。

进一步的技术方案为，所述制作训练数据，包括数据清洗和人脸校正；

所述读取训练数据，可以使用清理好的公司提供数据集，也可以使用公开数据集；

所述读取训练模型配置参数，包括学习率，迭代次数；

所述对年龄训练图像进行预处理包括人脸校正、图像增强处理、等比例扩大处理。

更进一步的技术方案为，所述第一年龄识别模型训练具体包括以下步骤：

所述特征提取模块为轻量级MobileNetV2，MobileNetV2作为年龄识别模型backbone，模型的通道参数alpha设置为1.4，表示模型每一个block的输出通道数为c*alpha，提取年龄识别特征；

采用softmax层作为年龄识别模型的输出，输出维数为71；

使用均方差函数监督年龄识别训练所述第一年龄识别模型，直至Loss下降到稳定状态，停止第一年龄识别模型训练。

更进一步的技术方案为，在使用均方差函数监督年龄识别训练所述第一年龄识别模型时，针对数据不均衡问题可以在模型训练过程中添加类别权重，也可以使用平滑标签结合互补熵。