【技术实现步骤摘要】
本申请实施例涉及图像识别领域，尤其涉及基于元学习的人脸美丽度评价方法、装置、设备及介质。
技术介绍
1、基于人工智能模型的人脸美丽度评价技术是通过人工智能模型对人脸图像进行评价得到美丽度评分。但由于用于人脸美丽度评价的数据库较少，训练数据样本缺乏，因此对于人脸美丽度评价模型的训练会存在标签数据不足的问题，进而导致模型易拟合和模型泛化能力不足。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一，本申请实施例提供了基于元学习的人脸美丽度评价方法、装置、设备及介质，通过辅助任务为人脸美丽度评价主任务提供更丰富的浅层特征，提高主任务的性能。
3、本申请的第一方面的实施例，一种基于元学习的人脸美丽度评价方法，包括：
4、获取人脸图像和辅助图像；
5、对所述人脸图像进行特征提取得到多个局部纹理特征，融合多个所述局部纹理特征得到融合特征数据；
6、对所述辅助图像进行特征提取，得到用于辅助任务的辅助特征数据；
7、利用所述融合人脸特征对用于人脸美丽度评估任务的第一元学习器进行训练，得到更新第一参数的第一元学习器；
8、利用所述辅助特征数据对用于辅助任务的第二元学习器进行训练，得到更新第二参数的第二元学习器；
9、根据所述第一参数和所述第二参数得到目标参数，根据所述目标参数得到目标元学习器；p>
10、根据基于所述目标元学习器的模型进行人脸美丽度评价，得到人脸美丽度结果；
11、其中，所述第一元学习器和所述第二元学习器基于相同的元学习器框架。
12、根据本申请的第一方面的某些实施例，在所述对所述人脸图像进行特征提取得到多个局部纹理特征的步骤之前，所述方法还包括：
13、对所述人脸图像进行均值化，得到均值；
14、计算所述人脸图像的协方差，对所述协方差进行特征值分解得到特征值和特征向量，由满足预设条件的特征值和特征向量构成投影矩阵；
15、根据所述均值和所述投影矩阵对所述人脸图像进行降维，得到降维的人脸图像。
16、根据本申请的第一方面的某些实施例，所述对所述人脸图像进行特征提取得到多个局部纹理特征，包括：
17、提取所述人脸图像的lbp特征；
18、提取所述人脸图像的hog特征；
19、提取所述人脸图像的sift特征；
20、对所述lbp特征、所述hog特征和所述sift特征进行归一化，得到多个局部纹理特征。
21、根据本申请的第一方面的某些实施例，所述融合多个所述局部纹理特征得到融合特征数据，包括：
22、获取针对所述lbp特征预训练得到的第一超参数；
23、获取针对所述hog特征预训练得到的第二超参数；
24、获取针对所述sift特征预训练得到的第三超参数；
25、根据所述第一超参数、所述第二超参数和所述第三超参数对所述lbp特征、所述hog特征和所述sift特征进行加权级联融合，得到融合特征数据；
26、其中，所述第一超参数、所述第二超参数和所述第三超参数之和为1。
27、根据本申请的第一方面的某些实施例，所述利用所述融合人脸特征对用于人脸美丽度评估任务的第一元学习器进行训练，得到更新第一参数的第一元学习器，包括：
28、将所述融合人脸特征分为第一训练集和第一测试集；
29、从所述第一训练集中选择多个第一类别的融合人脸特征，并从每个选择的第一类别的融合人脸特征中选择多个融合人脸特征构成第一支持集，将所述第一训练集中除所述支持集的融合人脸特征构成第一查询集；
30、将所述第一支持集和所述第一查询集构成第一子任务集，将所述第一子任务集的采样数据训练第一元学习器，得到经元训练阶段的第一元学习器；
31、从所述第一测试集中选择多个第一类别的融合人脸特征，并从每个选择的第一类别的融合人脸特征中选择多个融合人脸特征构成第一训练子集，将所述第一训练集中除所述支持集的融合人脸特征构成第一测试子集；
32、根据所述第一训练子集调整经元训练阶段的第一元学习器的第一参数；
33、根据所述第一测试子集测试调整第一参数后的第一元学习器得到经元测试阶段的第一元学习器，将所述经元测试阶段的第一元学习器作为更新第一参数的第一元学习器。
34、根据本申请的第一方面的某些实施例，所述利用所述辅助特征数据对用于辅助任务的第二元学习器进行训练，得到更新第二参数的第二元学习器，包括：
35、将所述辅助特征数据分为第二训练集和第二测试集；
36、从所述第二训练集中选择多个第二类别的辅助特征数据，并从每个选择的第二类别的辅助特征数据中选择多个辅助特征数据构成第二支持集，将所述第二训练集中除所述支持集的辅助特征数据构成第二查询集；
37、将所述第二支持集和所述第二查询集构成第二子任务集，将所述第二子任务集的采样数据训练第二元学习器，得到经元训练阶段的第二元学习器；
38、从所述第二测试集中选择多个第二类别的辅助特征数据，并从每个选择的第二类别的辅助特征数据中选择多个辅助特征数据构成第二训练子集，将所述第二训练集中除所述支持集的辅助特征数据构成第二测试子集；
39、根据所述第二训练子集调整经元训练阶段的第二元学习器的第二参数；
40、根据所述第二测试子集测试调整第二参数后的第二元学习器得到经元测试阶段的第二元学习器，将所述经元测试阶段的第二元学习器作为更新第二参数的第二元学习器。
41、根据本申请的第一方面的某些实施例，所述根据所述目标参数得到目标元学习器，包括：
42、当调整参数后的元学习器框架对应的损失值满足预设要求，将调整参数后的元学习器框架作为目标元学习器。
43、本申请的第二方面的实施例，一种基于元学习的人脸美丽度评价装置，包括：
44、输入单元，用于获取人脸图像和辅助图像；
45、第一特征提取单元，用于对所述人脸图像进行特征提取得到多个局部纹理特征，融合多个所述局部纹理特征得到融合特征数据；
46、第二特征提取单元，用于对所述辅助图像进行特征提取，得到用于辅助任务的辅助特征数据；
47、第一训练单元，用于利用所述融合人脸特征对用于人脸美丽度评估任务的第一元学习器进行训练，得到更新第一参数的第一元学习器；
48、第二训练单元，用于利用所述辅助特征数据对用于辅助任务的第二元学习器进行训练，得到更新第二参数的第二元学习器；
49、元学习器输出单元，用于根据所述第一参数和所述第二参数得到目标参数，根据所述目标参数得到目标元学习器；
50、评价单元，用于根据基于所述目标元学习器的模型进本文档来自技高网...
【技术保护点】
1.一种基于元学习的人脸美丽度评价方法，其特征在于，包括：
2.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，在所述对所述人脸图像进行特征提取得到多个局部纹理特征的步骤之前，所述方法还包括：
3.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述对所述人脸图像进行特征提取得到多个局部纹理特征，包括：
4.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述融合多个所述局部纹理特征得到融合特征数据，包括：
5.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述利用所述融合人脸特征对用于人脸美丽度评估任务的第一元学习器进行训练，得到更新第一参数的第一元学习器，包括：
6.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述利用所述辅助特征数据对用于辅助任务的第二元学习器进行训练，得到更新第二参数的第二元学习器，包括：
7.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述根据所述目标参数
8.一种基于元学习的人脸美丽度评价装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于元学习的人脸美丽度评价装置。
10.一种计算机存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至7中任一项所述的基于元学习的人脸美丽度评价装置。
...【技术特征摘要】
1.一种基于元学习的人脸美丽度评价方法，其特征在于，包括：
2.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，在所述对所述人脸图像进行特征提取得到多个局部纹理特征的步骤之前，所述方法还包括：
3.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述对所述人脸图像进行特征提取得到多个局部纹理特征，包括：
4.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述融合多个所述局部纹理特征得到融合特征数据，包括：
5.根据权利要求1所述的一种基于元学习的人脸美丽度评价方法，其特征在于，所述利用所述融合人脸特征对用于人脸美丽度评估任务的第一元学习器进行训练，得到更新第一参数的第一元学习器，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：甘俊英，陈汉添，许文超，庄圳鑫，陈真，黎慧聪，刘建强，熊俊玲，
申请(专利权)人：五邑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。