[发明专利]人脸属性模型的生成方法及装置有效
| 申请号： | 201811619509.9 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109815826B | 公开（公告）日： | 2022-11-08 |
| 发明（设计）人： | 王心莹;刘小扬;何学智 | 申请（专利权）人： | 新大陆数字技术股份有限公司 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V10/82;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 350015 福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了人脸属性模型的生成方法及装置，对两个数据集的图像进行人脸检测，构建多任务的卷积神经网络模型，将大型公开数据集加入卷积神经网络模型中，利用反向传播算法进行端到端的训练，以获得初始模型；将小型精确数据集的加入至初始模型中，将计算输出的高置信度的人脸属性标注为小型精确数据集的人脸属性；将初始模型进行初始化，将小型精确数据集加入至初始化后的模型中，利用反向传播算法进行端到端的训练，得到新的初始模型；迭代直至初始模型通过预设的验证数据集的测试，输出成品网络模型。本训练方法得出的模型具有泛化能力好、速度快、结构简洁的优点。 | ||
| 搜索关键词： | 属性 模型 生成 方法 装置 | ||
【主权项】：
1.一种人脸属性模型的生成方法，其特征在于，包括步骤：S10：获取大型公开数据集及小型精确数据集；S20：对两个数据集的图像进行人脸检测及像素值归一化处理；S30：构建多任务的卷积神经网络模型，将大型公开数据集加入所述卷积神经网络模型中，利用反向传播算法进行端到端的训练，以获得初始模型；S40：将小型精确数据集的加入至所述初始模型中，将计算输出的人脸属性标注为小型精确数据集的人脸属性；S50：将所述初始模型进行初始化，将小型精确数据集加入至初始化后的模型中，利用反向传播算法进行端到端的训练，得到新的初始模型；S60：重复步骤S40、S50直至所述初始模型通过预设的验证数据集的测试，输出成品网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于新大陆数字技术股份有限公司，未经新大陆数字技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811619509.9/，转载请声明来源钻瓜专利网。
