[发明专利]皱纹分类模型训练方法及装置

说明书

本申请实施例提供一种皱纹分类模型训练方法及装置，通过为具有含皱纹标签的脸部图像样本标记至少一条皱纹，将对皱纹的分类问题转化成皱纹分割问题，从而能够以所标记的至少一条皱纹作为监督信号来对脸部图像进行皱纹分类，提高了分类结果的准确性。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种皱纹分类模型训练方法及装置。

背景技术

在一些应用场景中，需要识别脸部图像是否具有皱纹。相关技术中，通常采用卷积神经网络(ConvolutionalNeuralNetwork，CNN)模型来作为分类模型。然而，由于脸部图像通常具有眼睛形状、眼睫毛等干扰特征，导致通过CNN来对脸部图像是否含有皱纹进行分类准确度比较低。

发明内容

有鉴于此，本申请的目的之一在于提供一种皱纹分类模型训练方法及装置，以至少部分地提高皱纹分类模型的分类准确度。

为了达到上述目的，本申请实施例采用以下技术方案：

第一方面，本申请实施例提供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，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；计算所述上采样部分的至少一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，得到至少一个第二计算结果；

分别根据所述第一计算结果和所述第二计算结果调整所述皱纹分类模型的参数，以实现对所述皱纹分类模型的训练。

第二方面，本申请实施例提供一种皱纹分类模型训练装置，用于对预先构建的皱纹分类模型进行训练，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；所述装置包括：

获取模块，用于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；

计算模块，用于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；计算所述上采样部分的至少一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，得到至少一个第二计算结果；

参数调整模块，用于分别根据所述第一计算结果和所述第二计算结果调整所述皱纹分类模型的参数，以实现对所述皱纹分类模型的训练。

相较于现有技术，本申请实施例提供一种皱纹分类模型训练方法及装置，将对皱纹的分类问题转化成分割问题，能够采用掩码图像中标记出的至少一条皱纹作为监督信号来对脸部图像进行皱纹分类，能够通过较少的样本提高分类准确度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。