[发明专利]基于双向Ladder结构的人脸属性分类系统

说明书

本发明涉及计算机视觉技术领域，具体涉及一种基于双向Ladder结构的人脸属性分类系统,旨在解决如何充分利用深度网络中不同层次的特征，以及不同层次特征与不同人脸属性之间的对应关系，以提高人脸属性分类的精确度。为此目的，本发明提供的基于双向Ladder结构的人脸属性分类系统包括双向Ladder自编码器模块、自适应注意力模块和自适应评分融合模块；双向Ladder自编码器模块包括编码器模块和解码器模块；自适应注意力模块包括多个注意力子模块；自适应评分融合模块配置为根据编码器模块的输出结果与注意力子模块输出的结果获取待测人脸图像的人脸属性分类结果。基于上述结构可以充分利用不同层次的编码特征和解码特征，提高人脸属性分类的精确度。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于双向 Ladder结构的人脸属性分类系统。

背景技术

人脸属性分类方法是一种判断给定人脸图像中是否包含某种人脸属性的方法，其广泛应用于人脸识别、人脸检索、人脸验证等领域。目前，利用深度网络进行人脸属性分类，可以大幅度地提升分类性能，但是深度网络主要关注深层特征对属性分类的作用，浅层特征并没有得到充分挖掘和利用。此外，深度网络不同层次的特征与不同人脸属性之间的对应关系，也没有充分被利用，如此极大地限制了人脸属性分类的精确度。

相应地，本领域需要一种新的人脸属性分类系统来解决上述问题。

发明内容

为了解决现有技术中的上述问题，即为了解决如何充分利用深度网络中不同层次的特征，以及不同层次特征与不同人脸属性之间的对应关系，以提高人脸属性分类的精确度，本发明提供了一种基于双向 Ladder结构的人脸属性分类系统，所述人脸属性分类系统包括：

所述人脸属性分类系统包括双向Ladder自编码器模块、自适应注意力模块和自适应评分融合模块；

所述双向Ladder自编码器模块包括编码器模块和解码器模块，所述编码器模块包括多个顺次连接的编码特征提取层，所述解码器模块包括多个顺次连接的解码特征提取层，所述编码器模块的输出侧与所述解码器模块的输入侧连接；其中，所述编码特征提取层和解码特征提取层的数量相等；

所述自适应注意力模块包括多个注意力子模块，所述注意力子模块分别与所述双向Ladder自编码器模块中同一个数据特征层对应的编码特征提取层与解码特征提取层连接；所述注意力子模块配置为根据所述编码特征提取层提取的编码特征与所述解码特征提取层提取的解码特征进行特征融合；

所述自适应评分融合模块配置为根据所述编码器模块的输出结果与每个所述注意力子模块输出的特征融合结果获取所述待测人脸图像的人脸属性分类结果。

进一步地，本发明提供的一个优选实施方案为：

所述自适应评分融合模块包括评分融合子模块和属性分类器子模块，所述属性分类器子模块包括第一属性分类器和多个第二属性分类器，所述第二属性分类器的数量与所述注意力子模块的数量相等；

所述第一属性分类器的输入侧与所述编码器模块的输出侧连接，所述第一属性分类器的输出侧与所述评分融合子模块连接；所述第一属性分类器配置为根据所述编码器模块输出的编码特征获取预设的多个人脸属性对应的第一评分；

所述多个第二属性分类器的输入侧分别与所述多个注意力子模块连接，所述多个第二属性分类器的输出侧均与所述评分融合子模块连接；所述第二属性分类器配置为根据所述注意力子模块输出的融合特征获取所述多个人脸属性对应的第二评分；

所述评分融合子模块配置为对所述第一评分与所述第二评分进行加权融合并且根据加权融合结果获取所述待测人脸图像的人脸属性分类结果。

进一步地，本发明提供的一个优选实施方案为：