[发明专利]基于多输出卷积神经网络和有序回归的年龄估计方法

摘要

本发明公开了一种基于多输出卷积神经网络和有序回归的年龄估计方法，其实现是：1.建立亚洲人脸年龄数据集(AFAD)；2.建立用于二分类的训练数据；3.训练深度卷积神经网络；4.将测试样本输入到训练好的卷积神经网络；5.得到测试样本的年龄估计。本发明提出了一种对年龄进行排序的方法，将有序回归和深度学习方法相结合，显著地提升了年龄预测性能的准确度。本发明解决了现有年龄估计方法中特征提取和回归建模是独立进行与优化的不足，能充分利用年龄标签的序列关系将年龄估计有序回归，提高了年龄估计准确率，还为亚洲人脸的年龄估计建立了一个大规模数据库，为人脸年龄估计研究提供了数据库基础。能广泛用于对人脸图像的年龄估计。

主权项

1.一种基于多输出卷积神经网络和有序回归的年龄估计方法，其特征在于，包括有如下步骤：(1)建立亚洲人脸年龄数据集，其中包含了16万张亚洲人脸图像，每一张人脸图像都有年龄标签；(2)建立用于二分类的训练数据，输入亚洲人脸年龄数据集中带年龄标签的人脸图像集，根据人脸图像的年龄标签生成一系列的二分类类标，得到包含人脸图像、二分类类标和权重的训练数据；(3)训练深度卷积神经网络，根据训练数据，训练多输出深度卷积神经网络，使得每一个输出都是二分类器的一个二分类类标；(4)将测试样本输入到训练好的卷积神经网络中，将一张亚洲人脸年龄数据集中的不带年龄标签的人脸图像作为测试样本，将测试样本输入训练好的多输出深度卷积神经网络，进行多层的卷积、池化操作；(5)得到测试样本的年龄估计，得到多输出深度卷积神经网络的输出，每一个输出都是二分类器的一个二分类类标，对所有输出类标进行等级排序，得到测试样本的年龄估计，包括有如下步骤：(5a)得到测试图像数据x′的多个输出f_k(x′)∈{0,1},k＝1,2,…,K‑1，其中K为年龄等级数，输出f_k(x′)为第k个分类器的二分类类标；(5b)由多个二分类类标根据下面的公式预测训练数据x′的等级h(x′)h(x′)＝r_q其中，(5c)输出测试图像的估计年龄，测试图像的估计年龄是等级h(x′)。