[发明专利]年龄识别模型训练方法、装置及电子设备

说明书

本申请提供了一种年龄识别模型训练方法及装置。所述方法包括：获取预置年龄段的多张样本人脸图像；每张样本人脸图像对应于一个真实年龄值；针对多张样本人脸图像中的每张样本人脸图像，获取样本人脸图像对应的多个特定区域的区域样本人脸图像；根据初始年龄识别模型，获取样本人脸图像和各区域样本人脸图像分别对应的预测年龄值；根据各预测年龄值和真实年龄值，计算初始年龄识别模型的KL散度损失值和平均绝对误差损失值之间的和值；在和值处于预设范围内的情况下，将初始年龄识别模型作为最终的年龄识别模型。本申请可以实现快速准确进行年龄估计，且训练时充分获取特征细节信息辅助网络训练，使预测结果更具有鲁棒性。

技术领域

本申请涉及模型训练技术领域，特别是涉及一种年龄识别模型训练方法、一种年龄识别模型训练装置及一种电子设备。

背景技术

深度学习是近十年来人工智能领域取得的最重要的突破之一，其在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。

人脸相关的图像处理技术是计算机视觉任务中一个非常重要的研究方向。年龄信息作为人类的一种重要生物特征，在人机交互领域中有着众多应用需求，并且对人脸识别系统的性能有着重要影响。这项技术有很多应用，如视频监控、产品推荐、人机交互、市场分析、用户画像、年龄变化预测(age progression)等。

基于人脸图像的年龄估计是指应用计算机技术，根据人脸图像随年龄变化的规律进行建模，从而使机器能够根据人脸图像推测出人的大概年龄或所属的年龄范围。目前，通过人脸图像识别的技术通常采用的是大型网络模型，识别速度较慢，且仅通过人的面部识别，识别效果较差。

发明内容

本申请提供一种年龄识别模型训练方法、装置及电子设备，以解决现有技术中采用大型网络模型识别用户年龄的方式，识别速度较慢，且仅通过人的面部识别，识别效果较差的问题。

为了解决上述问题，本申请公开了一种年龄识别模型训练方法，包括：

获取预置年龄段的多张样本人脸图像；每张所述样本人脸图像对应于一个真实年龄值；

针对多张所述样本人脸图像中的每张样本人脸图像，获取所述样本人脸图像对应的多个特定区域的区域样本人脸图像；

根据所述初始年龄识别模型，获取所述样本人脸图像和各所述区域样本人脸图像分别对应的预测年龄值；

根据各所述预测年龄值和所述真实年龄值，计算所述初始年龄识别模型的KL散度损失值和平均绝对误差损失值之间的和值；

在所述和值处于预设范围内的情况下，将所述初始年龄识别模型作为最终的年龄识别模型。

可选地，所述获取所述样本人脸图像对应的多个特定区域的区域样本人脸图像，包括：

获取多个预先设置的所述特定区域，及每个所述特定区域的区域尺寸；

根据每个所述特定区域和所述区域尺寸，从所述样本人脸图像中裁剪得到多个所述区域样本人脸图像。

可选地，所述初始年龄识别模型包括第一全连接层，计算所述初始年龄识别模型的KL散度损失值包括：

获取所述第一全连接层输出的第一预测值；

根据所述真实年龄值和所述第一预测值，计算得到所述KL散度损失值。

可选地，所述根据所述真实年龄值和所述第一预测值，计算得到所述KL散度损失值，包括：

通过下述公式(1)计算得到所述KL散度损失值：

上述公式(1)中，为KL散度损失值，为真实年龄值，为第一预测值，n为样本数，k为年龄段。