[发明专利]皱纹分类模型训练方法及装置

权利要求书

1.一种皱纹分类模型训练方法，用于对预先构建的皱纹分类模型进行训练，其特征在于，所述皱纹分类模型包括特征提取部分及上采样部分；所述特征提取部分包括多个第一处理层，所述上采样部分包括与所述多个第一处理层分别对应的多个第二处理层；所述方法包括：

获取多个脸部图像样本及每个脸部图像样本的掩码图像；其中，每个脸部图像样本预设有样本标签，所述样本标签为含皱纹标签或不含皱纹标签，设有含皱纹标签的脸部图像样本的掩码图像包括该脸部图像样本中的至少一条皱纹的轮廓；

分别将每个脸部图像样本输入所述皱纹分类模型；将所述特征提取部分中处于最高层的第一处理层输出的特征图输入一全连接层，并计算所述全连接层输出的特征图与所述脸部图像样本的样本标签的分类损失，得到第一计算结果；

分别计算所述上采样部分中除最低层之外的每个第二处理层输出的特征图与所述脸部图像样本的掩码图像的分割损失，得到多个第二计算结果；

在得到第一计算结果时，根据该第一计算结果调整皱纹分类模型的超参数，以使得相应分类损失函数的函数值减小，每得到一个第二计算结果，即可根据该第二计算结果调整皱纹分类模型的超参数，以减小输出该第二计算结果的分割损失函数的函数值，实现对所述皱纹分类模型的训练。

2.根据权利要求1所述的方法，其特征在于，所述将所述特征提取部分中处于最高层的第一处理层输出的特征图输入一全连接层的步骤，包括：

通过一全局池化层对所述特征提取部分中处于最高层的第一处理层输出的特征图进行处理，将处理结果输入所述全连接层。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在计算所述上采样部分中除最低层之外的每个第二处理层输出的特征图与所述脸部图像样本的掩码图像的分割损失之前，将所述脸部图像样本的掩码图像下采样成与该第二处理层输出的特征图的尺度相同的图像。

4.根据权利要求3所述的方法，其特征在于，所述将所述脸部图像样本的掩码图像下采样成与该第二处理层输出的特征图的尺度相同的图像的步骤，包括：

采用MaxPooling算法对所述脸部图像样本的掩码图像进行下采样，以得到与该第二处理层输出的特征图的尺度相同的图像。

5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

采用所述特征提取部分对输入所述皱纹分类模型的每个脸部图像样本进行处理，针对每个第一处理层输出的特征图，将该特征图进行切割后输入与该第一处理层对应的第二处理层，以及，将该特征图进行池化后输入该第一处理层连接的下一个第一处理层；

针对所述特征提取部分中处于最高层的第一处理层或者每个第二处理层输出的特征图，以所述脸部图像样本的掩码图像为监督信号对该特征图进行上采样后输入连接的下一个第二处理层；

每个第二处理层对接收到的经过上采样的特征图和经过切割的特征图进行拼接，并对拼接结果进行处理后输出。