[发明专利]一种基于迁移学习的人脸属性分析方法

权利要求书

1.一种基于迁移学习的人脸属性分析方法，其特征在于，在多属性预测网络上联合训练样本集以预测特征属性，将收敛的多属性预测网络迁移到主属性预测网络，继续训练主属性预测网络并微调参数直至主属性预测网络的损失函数收敛，所述主属性包含但不限于基于逻辑回归的人脸属性以及基于线性回归的人脸属性的主属性，基于逻辑回归的人脸属性包含但不限于人脸判断和人脸面部特征，基于线性回归的人脸属性包含但不限于关键点在人脸的相对位置、人脸框在整张图片中的相对位置。

2.根据权利要求1所述一种基于迁移学习的人脸属性分析方法，其特征在于，所述样本集包含但不限于带边框信息的人脸正样本、人脸负样本、带边框信息的人脸部分样本、人脸关键点样本和人脸面部特征样本。

3.根据权利要求2所述一种基于迁移学习的人脸属性分析方法，其特征在于，带边框信息的人脸正样本、人脸负样本、带边框信息的人脸部分样本的生成方法为：对包含人脸真实边框标注的人脸检测数据集进行剪切和/或缩放的预处理，依据预处理后图片的边框与人脸检测数据集的所有真实边框的交叠率δ划分样本，将δδ₁的图片划分为人脸负样本，将δδ₂的图片划分为带边框信息的正样本，将δ₁δδ₂的图片划分为带边框信息的人脸部分样本，δ₂、δ₁为预处理后图片的边框与人脸检测数据集的所有真实边框的交叠率的上下限。

4.根据权利要求2所述一种基于迁移学习的人脸属性分析方法，其特征在于，所述人脸关键点样本的生成方法为：对人脸关键点数据集进行剪切和/或缩放的预处理。

5.根据权利要求4所述一种基于迁移学习的人脸属性分析方法，其特征在于，对预处理后的人脸关键点数据集进行旋转以扩充数据的方法为：依据人脸关键点数据集中图片角点旋转前后的坐标确定图片的仿射变换矩阵以及旋转后的图片显示区域，对图片中的关键点坐标进行仿射变换得到旋转后的关键点坐标。

6.根据权利要求2所述一种基于迁移学习的人脸属性分析方法，其特征在于，在多属性预测网络上联合训练样本集以预测特征属性的具体方法为：通过卷积层提取训练样本集的共享特征，判别输入样本的特征属性并根据输入样本的标签调用损失函数，与输入样本相关的属性在前向传播预测样本的损失值时激活。

7.根据权利要求6所述一种基于迁移学习的人脸属性分析方法，其特征在于，输入样本的标签为带边框信息的人脸正样本、人脸负样本、带边框信息的人脸部分样本和人脸面部特征样本时，调用Softmax作为损失函数。

8.根据权利要求6所述一种基于迁移学习的人脸属性分析方法，其特征在于，输入样本为人脸关键点样本时，调用均方误差作为损失函数。

9.根据权利要求1所述一种基于迁移学习的人脸属性分析方法，其特征在于，将收敛的多属性预测网络迁移到主属性预测网络为：采用收敛的多属性预测网络的参数初始化主属性预测网络参数，参数包括权重参数和偏置参数。