年龄估计方法、年龄估计模型的训练方法及装置制造方法及图纸

本发明专利技术提供了一种年龄估计方法、年龄估计模型的训练方法及装置，该方法包括：获取包含有目标对象的待处理图像；将该待处理图像输入至预先训练完成的年龄估计模型中；通过该年龄估计模型的分类网络输出待处理图像对应的年龄分类结果，通过该年龄估计模型的回归网络输出待处理图像对应的年龄回归结果；基于年龄分类结果和年龄回归结果确定目标对象的年龄。该方式在通过年龄估计模型估计目标对象的年龄时，可以对待处理图像进行分类处理得到年龄分类结果，对待处理图像进行回归处理得到年龄回归结果，并根据年龄分类结果和年龄回归结果确定目标对象的年龄，这种分类回归相集成的方式提高了年龄估计的精度。

【技术实现步骤摘要】
年龄估计方法、年龄估计模型的训练方法及装置
本专利技术涉及图像处理
，尤其是涉及一种年龄估计方法、年龄估计模型的训练方法及装置。
技术介绍
年龄作为一种重要的人脸属性，在人机交互、智能商务、安全监控和娱乐等领域都有着广泛的应用。相关技术中，可以通过训练好的深度学习模型估计图像中人的年龄；该深度学习模型在训练的过程中，将年龄估计任务看作是分类任务或者回归任务，计算年龄估计的损失值，然后基于该损失值训练深度学习模型，该方式中，深度学习模型在训练过程中所参考的数据有限，从而限制了模型估计年龄的精确度。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种年龄估计方法、年龄估计模型的训练方法及装置，以提高年龄估计的精确度。第一方面，本专利技术实施例提供了一种年龄估计方法，该方法包括：获取包含有目标对象的待处理图像；将待处理图像输入至预先训练完成的年龄估计模型中；其中，该年龄估计模型包括分类网络和回归网络；通过分类网络输出待处理图像对应的年龄分类结果，通过回归网络输出待处理图像对应的年龄回归结果；基于年龄分类结果和年龄回归结果确定目标对象的年龄。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，上述年龄估计模型还包括特征提取网络；上述通过分类网络输出待处理图像对应的年龄分类结果，通过回归网络输出待处理图像对应的年龄回归结果的步骤，包括：通过特征提取网络提取待处理图像的年龄特征；通过分类网络对年龄特征进行分类，得到年龄分类结果；通过回归网络对年龄特征进行回归运算，得到年龄回归结果。r>结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，上述年龄分类结果包括：在预设的多个年龄值下，目标对象属于每个年龄值的概率；上述基于年龄分类结果和年龄回归结果确定目标对象的年龄的步骤，包括：计算年龄分类结果中概率最大时对应的年龄值与年龄回归结果的平均值；基于该平均值确定目标对象的年龄。第二方面，本专利技术实施例提供了一种年龄估计模型的训练方法，该训练方法包括：基于预设的训练集确定样本图像；该样本图像携带有年龄标签，该年龄标签用于指示样本图像中目标对象的年龄；将样本图像输入至初始模型中；该初始模型包括初始分类网络和初始回归网络；通过初始分类网络输出样本图像的第一结果，通过初始回归网络输出样本图像的第二结果；基于第一结果、第二结果和所年龄标签，更新初始模型的权重参数；继续执行基于预设的训练集确定样本图像的步骤，直到初始模型收敛，得到年龄估计模型。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，上述初始模型还包括初始特征提取网络；通过初始分类网络输出样本图像的第一结果，通过初始回归网络输出样本图像的第二结果的步骤，包括：通过初始特征提取网络提取样本图像的年龄特征；通过初始分类网络对年龄特征进行分类，得到第一结果；通过所初始回归网络对年龄特征进行回归运算，得到第二结果。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，上述基于第一结果、第二结果和年龄标签，更新初始模型的权重参数的步骤，包括：基于第一结果和年龄标签，确定第一损失值；基于第二结果和年龄标签，确定第二损失值；基于第一损失值和所第二损失值，更新初始模型的权重参数。结合第二方面，本专利技术实施例提供了第二方面的第三种可能的实施方式，上述第一结果包括：在预设的多个年龄值下，样本图像中的目标对象属于每个年龄值的概率；该第一损失值通过下述算式确定：第二损失值通过下述算式确定：其中，Lclassification表示第一损失值；Lregression表示第二损失值；表示第一结果；a表示年龄标签；表示在第一结果中年龄标签的年龄值对应的概率；表示第二结果；log表示以2为底的对数运算。第三方面，本专利技术实施例提供了一种年龄估计装置，该装置包括：图像获取模块，用于获取包含有目标对象的待处理图像；图像输入模块，用于将待处理图像输入至预先训练完成的年龄估计模型中；其中，所述该年龄估计模型包括分类网络和回归网络；结果输出模块，用于通过分类网络输出待处理图像对应的年龄分类结果，通过所回归网络输出所待处理图像对应的年龄回归结果；年龄确定模块，用于基于年龄分类结果和年龄回归结果确定目标对象的年龄。第四方面，本专利技术实施例提供了一种年龄估计模型的训练装置，该训练装置包括：样本确定模块，用于基于预设的训练集确定样本图像；该样本图像携带有年龄标签，该年龄标签用于指示样本图像中目标对象的年龄；该样本输入模块，用于将样本图像输入至初始模型中；该初始模型包括初始分类网络和初始回归网络；样本处理模块，用于通过初始分类网络输出样本图像的第一结果，通过初始回归网络输出样本图像的第二结果；参数调整模块，用于基于第一结果、第二结果和所年龄标签，更新初始模型的权重参数；继续执行基于预设的训练集确定样本图像的步骤，直到初始模型收敛，得到年龄估计模型。第五方面，本专利技术实施例提供了一种电子设备，该电子设备包括处理器和存储器，该存储器存储有能够被处理器执行的机器可执行指令，该处理器执行机器可执行指令以实现前述实施方式任一项所述的年龄估计方法或者前述实施方式任一项所述的年龄估计模型的训练方法。第六方面，本专利技术实施例提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，该机器可执行指令促使处理器实现前述实施方式任一项所述的年龄估计方法或者前述实施方式任一项所述的年龄估计模型的训练方法。本专利技术实施例带来了以下有益效果：本专利技术提供的一种年龄估计方法、年龄估计模型的训练方法及装置，首先获取包含有目标对象的待处理图像；进而将该待处理图像输入至预先训练完成的年龄估计模型中；再通过年龄估计模型的分类网络输出待处理图像对应的年龄分类结果，通过年龄估计模型的回归网络输出待处理图像对应的年龄回归结果；然后基于年龄分类结果和年龄回归结果确定目标对象的年龄。该方式在通过年龄估计模型估计目标对象的年龄时，可以对待处理图像进行分类处理得到年龄分类结果，对待处理图像进行回归处理得到年龄回归结果，并根据年龄分类结果和年龄回归结果确定目标对象的年龄，这种分类回归相集成的方式提高了年龄估计的精度。本专利技术的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本专利技术的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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的附图。图1为本专利技术实施例提供的一种年龄估计方法的流程图；图2为本专利技术实施例提供的另一种年龄估计方法的流程图；图3为本专利技术实施例提供的一种年龄估计模型的结构示意图；本文档来自技高网...

【技术保护点】
1.一种年龄估计方法，其特征在于，所述方法包括：/n获取包含有目标对象的待处理图像；/n将所述待处理图像输入至预先训练完成的年龄估计模型中；其中，所述年龄估计模型包括分类网络和回归网络；/n通过所述分类网络输出所述待处理图像对应的年龄分类结果，通过所述回归网络输出所述待处理图像对应的年龄回归结果；/n基于所述年龄分类结果和所述年龄回归结果确定所述目标对象的年龄。/n

【技术特征摘要】
1.一种年龄估计方法，其特征在于，所述方法包括：
获取包含有目标对象的待处理图像；
将所述待处理图像输入至预先训练完成的年龄估计模型中；其中，所述年龄估计模型包括分类网络和回归网络；
通过所述分类网络输出所述待处理图像对应的年龄分类结果，通过所述回归网络输出所述待处理图像对应的年龄回归结果；
基于所述年龄分类结果和所述年龄回归结果确定所述目标对象的年龄。


2.根据权利要求1所述的方法，其特征在于，所述年龄估计模型还包括特征提取网络；
所述通过所述分类网络输出所述待处理图像对应的年龄分类结果，通过所述回归网络输出所述待处理图像对应的年龄回归结果的步骤，包括：
通过所述特征提取网络提取所述待处理图像的年龄特征；
通过所述分类网络对所述年龄特征进行分类，得到年龄分类结果；
通过所述回归网络对所述年龄特征进行回归运算，得到年龄回归结果。


3.根据权利要求1所述的方法，其特征在于，所述年龄分类结果包括：在预设的多个年龄值下，所述目标对象属于每个所述年龄值的概率；
所述基于所述年龄分类结果和所述年龄回归结果确定所述目标对象的年龄的步骤，包括：
计算所述年龄分类结果中所述概率最大时对应的年龄值与所述年龄回归结果的平均值；
基于所述平均值确定所述目标对象的年龄。


4.一种年龄估计模型的训练方法，其特征在于，所述训练方法包括：
基于预设的训练集确定样本图像；所述样本图像携带有年龄标签，所述年龄标签用于指示所述样本图像中目标对象的年龄；
将所述样本图像输入至初始模型中；所述初始模型包括初始分类网络和初始回归网络；
通过所述初始分类网络输出所述样本图像的第一结果，通过所述初始回归网络输出所述样本图像的第二结果；
基于所述第一结果、所述第二结果和所述年龄标签，更新所述初始模型的权重参数；继续执行基于预设的训练集确定样本图像的步骤，直到所述初始模型收敛，得到年龄估计模型。


5.根据权利要求4所述的训练方法，其特征在于，所述初始模型还包括初始特征提取网络；通过所述初始分类网络输出所述样本图像的第一结果，通过所述初始回归网络输出所述样本图像的第二结果的步骤，包括：
通过所述初始特征提取网络提取所述样本图像的年龄特征；
通过所述初始分类网络对所述年龄特征进行分类，得到第一结果；
通过所述初始回归网络对所述年龄特征进行回归运算，得到第二结果。


6.根据权利要求4所述的训练方法，其特征在于，所述基于所述第一结果、所述第二结果和所述年龄标签，更新所述初始模型的权重参数的步骤，包括：
基于所述第一结果...

【专利技术属性】
技术研发人员：苏驰，李凯，刘弘也，王育林，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：北京;11