人脸属性预测网络生成方法技术

本申请适用于图像处理技术领域，提供了一种人脸属性预测网络生成方法

【技术实现步骤摘要】
人脸属性预测网络生成方法、人脸属性预测方法及装置


[0001]本申请属于图像处理
，尤其涉及一种人脸属性预测网络生成方法
、
人脸属性预测方法及装置
。

技术介绍

[0002]一张人脸图像所包含的信息是非常丰富的，在实际应用中，需要对人脸图像中的人脸进行属性预测，以获取与人脸对应的多个属性
。
例如，对人脸图像进行属性预测，获取人脸对应的性别属性
、
年龄属性等
。
[0003]由此，为获取人脸图像中人脸对应的多个属性而设计多任务属性预测方法，以便于能够同时获取与人脸对应的多个属性，至关重要
。
[0004]相关技术中，采用的多任务属性预测方法为基于卷积神经网络的监督学习模型
。
[0005]然而，对上述模型进行训练时，需要先对样本人脸图像集中每帧样本人脸图像设置人脸对应的属性标签才能训练，而对每帧样本人脸图像设置属性标签会消耗大量的时间及人力成本，导致模型的训练效率较低
。

技术实现思路

[0006]本申请提供了一种人脸属性预测网络生成方法
、
人脸属性预测方法及装置，可以避免训练网络时对样本人脸图像集中每帧样本人脸图像设置属性标签而消耗大量的时间及人力成本，保证了网络的训练效率，节省了时间成本和人力资源
。
[0007]第一方面，本申请提供一种人脸属性预测网络生成方法，包括：
[0008]获取样本人脸图像集，所述样本人脸图像集包括多帧样本人脸图像；
[0009]对每帧样本人脸图像进行增广处理，得到第一增广图像和第二增广图像，所述第一增广图像和所述第二增广图像保持与对应的样本人脸图像中人脸对应的属性相同；
[0010]根据多个所述第一增广图像和多个所述第二增广图像，对第一分支网络和第二分支网络进行交替训练，得到训练后的第一分支网络，以使所述训练后的第一分支网络通过所述第一分支网络与所述第二分支网络的相互监督能够提取人脸图像中人脸对应的属性的特征，所述人脸对应的属性至少包括年龄属性和性别属性；
[0011]将所述训练后的第一分支网络确定为人脸属性预测网络
。
[0012]本申请通过对每帧样本人脸图像进行增广处理，得到第一增广图像和第二增广图像，根据多个第一增广图像和多个所述第二增广图像，对第一分支网络和第二分支网络进行交替训练，得到训练后的第一分支网络
。
由此，借助通过第二分支网络与第一分支网络互相监督学习，使得训练后的第一分支网络能够提取人脸图像中人脸对应的属性的特征，避免了对样本人脸图像进行属性标注，减少属性标注的人力资源和时间成本
。
[0013]第二方面，本申请提供了一种人脸属性预测方法，包括：
[0014]获取待测人脸图像中人脸对应的区域；
[0015]将所述人脸对应的区域输入到人脸属性预测网络中，输出所述人脸对应的预测属
性，所述人脸属性预测网络用于预测人脸图像中人脸对应的属性的特征，所述人脸对应的属性至少包括年龄属性和性别属性，所述人脸属性预测网络为根据如上所述的人脸属性预测网络生成方法得到的
。
[0016]本申请通过将人脸对应的区域输入到人脸属性预测网络中，输出人脸对应的预测属性
。
通过将每帧样本随机增广处理，得到的两帧增广图像输入第一分支网络和第二分支网络交替训练，得到的人脸属性预测网络，对人脸对应的属性的预测准确率更高
。
[0017]第三方面，本申请提供了一种人脸属性预测网络生成装置，该装置用于执行上述第一方面或第一方面的任一可能的实现方式中的方法
。
具体地，该装置可以包括：
[0018]获取模块，用于获取样本人脸图像集，所述样本人脸图像集包括多帧样本人脸图像；
[0019]增广模块，用于对每帧样本人脸图像进行增广处理，得到第一增广图像和第二增广图像，所述第一增广图像和所述第二增广图像保持与对应的样本人脸图像中人脸对应的属性相同；
[0020]训练模块，用于根据多个所述第一增广图像和多个所述第二增广图像，对第一分支网络和第二分支网络进行交替训练，得到训练后的第一分支网络，以使所述训练后的第一分支网络通过所述第一分支网络与所述第二分支网络的相互监督能够提取人脸图像中人脸对应的属性的特征，所述人脸对应的属性至少包括年龄属性和性别属性；
[0021]确定模块，用于将所述训练后的第一分支网络确定为人脸属性预测网络
。
[0022]第四方面，本申请提供了一种人脸属性预测装置，该装置用于执行上述第二方面或第二方面的任一可能的实现方式中的方法
。
具体地，该装置可以包括：
[0023]获取模块，用于获取待测人脸图像中人脸对应的区域；
[0024]预测模块，用于将所述人脸对应的区域输入到人脸属性预测网络中，输出所述人脸对应的预测属性，所述人脸属性预测网络用于预测人脸图像中所述人脸对应的属性的特征，所述人脸对应的属性至少包括年龄属性和性别属性，所述人脸属性预测网络为根据如上所述的人脸属性预测网络生成方法得到的
。
[0025]第五方面，本申请提供了一种电子设备，该设备包括存储器与处理器
。
该存储器用于存储指令；该处理器执行该存储器存储的指令，使得该设备执行第一方面或第一方面的任一可能的实现方式中人脸属性预测网络生成方法，和
/
或第二方面或第二方面的任一可能的实现方式中人脸属性预测方法
。
[0026]第六方面，提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得计算机执行第一方面或第一方面的任一可能的实现方式中人脸属性预测网络生成方法，和
/
或第二方面或第二方面的任一可能的实现方式中人脸属性预测方法
。
[0027]第七方面，提供一种包含指令的计算机程序产品，当该指令在设备上运行时，使得设备执行第一方面或第一方面的任一可能的实现方式中人脸属性预测网络生成方法，和
/
或第二方面或第二方面的任一可能的实现方式中人脸属性预测方法
。
[0028]可以理解的是，上述第三方面至第七方面的有益效果可以参见上述第一方面和
/
或第二方面中的相关描述，在此不再赘述
。
附图说明
[0029]为了更清楚地说明本申请中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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
。
[0030]图1是本申请一实施例提供的人脸属性预测网络生成方法的流程示意图；
[0031]图
2a
是本申请一实施例提供的人脸属性预测网络生成方法的流程示意图；
...

【技术保护点】

【技术特征摘要】
1.
一种人脸属性预测网络生成方法，其特征在于，包括：获取样本人脸图像集，所述样本人脸图像集包括多帧样本人脸图像；对每帧样本人脸图像进行增广处理，得到第一增广图像和第二增广图像，所述第一增广图像和所述第二增广图像保持与对应的样本人脸图像中人脸对应的属性相同；根据多个所述第一增广图像和多个所述第二增广图像，对第一分支网络和第二分支网络进行交替训练，得到训练后的第一分支网络，以使所述训练后的第一分支网络通过所述第一分支网络与所述第二分支网络的相互监督能够提取人脸图像中人脸对应的属性的特征，所述人脸对应的属性至少包括年龄属性和性别属性；将所述训练后的第一分支网络确定为人脸属性预测网络
。2.
如权利要求1所述的方法，其特征在于，所述根据多个所述第一增广图像和多个所述第二增广图像，对第一分支网络和第二分支网络进行交替训练，得到所述训练后的第一分支网络，包括：将多个所述第一增广图像输入到所述第一分支网络中，输出第一特征，并将多个所述第二增广图像输入到所述第二分支网络中，输出第二特征；将多个所述第二增广图像输入到所述第一分支网络中，输出第三特征，并将多个所述第一增广图像输入到所述第二分支网络中，输出第四特征；根据所述第一特征
、
所述第二特征
、
所述第三特征和所述第四特征，调整所述第一分支网络的网络参数，得到所述训练后的第一分支网络
。3.
如权利要求2所述的方法，其特征在于，所述第一分支网络包括第一主干网络和初始预测网络，所述第一主干网络用于提取人脸图像中人脸的特征，所述初始预测网络用于提取人脸图像中所述人脸对应的属性的特征；所述第二分支网络包括第二主干网络，所述第二主干网络用于提取人脸图像中人脸的特征
。4.
如权利要求3所述的方法，其特征在于，所述根据所述第一特征
、
所述第二特征
、
所述第三特征和所述第四特征，调整所述第一分支网络的网络参数，得到所述训练后的第一分支网络，包括：根据所述第一特征
、
所述第二特征
、
所述第三特征和所述第四特征，确定对称损失函数或优化后的所述对称损失函数；根据所述对称损失函数或优化后的所述对称损失函数，调整所述初始预测网络的网络参数；根据所述对称损失函数或优化后的所述对称损失函数与所述初始预测网络包括的属性预测模块的数量，确定总损失函数；根据所述总损失函数，调整所述第一主干网络的网络参数；将调整后的所述初始预测网络连接在调整后的所述第一主干网络的输出端，得到所述训练后的第一分支网络
。5.
如权利要求4所述的方法，其特征在于，所述根据所述第一特征
、
所述第二特征
、
所述第三特征和所述第四特征，确定所述对称损失函数或优化后的所述对称损失函数，包括：将所述第一特征和所述第二特征之间的相似度，确定为第一相似...

【专利技术属性】
技术研发人员：袁瑾，肖嵘，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：