【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种图像处理模型的训练方法、装置、设备及介质。
技术介绍
1、现有车载智能人机交互主要集中在语音识别技术上，用户通过语音发出指令，车载终端识别语音指令并执行相应操作。然而，现有的车载推荐系统尚未充分利用驾乘人员的个人信息来预测用户喜好，从而做出有效的推荐。
技术实现思路
1、本专利技术提供了一种图像处理模型的训练方法、装置、设备及介质，以解决车载系统单纯利用语音信息不能进行有效个性化推荐的问题。
2、根据本专利技术的一方面，提供了一种图像处理模型的训练方法，包括：
3、获取驾乘人员的样本人脸数据；
4、将所述样本人脸数据输入待训练的图像处理模型中的人脸特征提取单元，得到样本人脸特征；所述图像处理模型还包括性别判断单元、风格特征提取单元、特征增强单元和年龄预测单元；
5、将所述样本人脸特征输入所述性别判断单元进行性别判断；
6、将年龄标签输入所述风格特征提取单元得到表征年龄的风格特征；
7、将所述风格特征和所述样本人脸特征输入所述特征增强单元得到增强特征；
8、将所述增强特征输入所述年龄预测单元进行年龄预测；
9、根据真实年龄、性别判断结果和年龄预测结果，确定所述图像处理模型的最终损失，并根据所述最终损失对所述图像处理模型的参数进行更新。
10、根据本专利技术的另一方面，提供了一种图像处理模型的训练装置，包括：
11、数据获取模块，用
12、性别判断模块，用于将所述样本人脸特征输入所述性别判断单元进行性别判断；
13、风格特征获取模块，用于将年龄标签输入所述风格特征提取单元得到表征年龄的风格特征；
14、增强特征获取模块，用于将所述风格特征和所述样本人脸特征输入所述特征增强单元得到增强特征；
15、年龄预测模块，用于将所述增强特征输入所述年龄预测单元进行年龄预测；
16、参数更新模块，用于根据真实年龄、性别判断结果和年龄预测结果，确定所述图像处理模型的最终损失，并根据所述最终损失对所述图像处理模型的参数进行更新。
17、根据本专利技术的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本专利技术任一实施例所述的图像处理模型的训练方法。
18、根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
19、至少一个处理器；以及
20、与所述至少一个处理器通信连接的存储器；其中，
21、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的图像处理模型的训练方法。
22、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的图像处理模型的训练方法。
23、本专利技术实施例通过构建图像处理模型对车辆中驾乘人员的人脸图像进行性别判断和年龄预测，能够同时处理性别判断任务和年龄预测任务。在年龄预测任务中引入风格特征提取单元，将年龄标签输入风格特征提取单元得到表征年龄的风格特征。将表征年龄的风格特征和样本人脸特征输入特征增强单元得到增强特征，由于增强特征中融入了更多的年龄相关细节，能够更加准确地反映人脸的实际年龄信息，使得模型在年龄预测时能够更加准确地捕捉到这些细微差别，从而提高年龄预测的准确性。
24、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种图像处理模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据真实年龄、性别判断结果和年龄预测结果，确定所述图像处理模型的最终损失，包括：
3.根据权利要求2所述的方法，其特征在于，若当前迭代为所述图像处理模型的首次迭代，所述根据在当前迭代轮次中的当前预测概率、参考分布概率和第一分布函数，确定第三损失，包括：
4.根据权利要求2所述的方法，其特征在于，若当前迭代并非所述图像处理模型的首次迭代，所述根据在当前迭代轮次中的当前预测概率、参考分布概率和第一分布函数，确定第三损失，包括：
5.根据权利要求2所述的方法，其特征在于，若当前迭代并非所述图像处理模型的首次迭代，所述根据真实年龄、性别判断结果和年龄预测结果，确定所述图像处理模型的最终损失，还包括：
6.根据权利要求1所述的方法，其特征在于，所述风格特征提取单元包括编码器和多层感知器；所述编码器对年龄标签进行编码，将编码结果传递给多层感知器；所述多层感知器学习年龄标签各个取值对应的风格特征。
7.根据权利要求1所
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.一种车载人员图像处理方法，其特征在于，所述方法包括：
10.一种图像处理模型的训练装置，其特征在于，所述装置包括：
11.根据权利要求10所述的装置，其特征在于，所述参数更新模块具体用于：
12.根据权利要求11所述的装置，其特征在于，若当前迭代为所述图像处理模型的首次迭代，所述参数更新模块具体还用于：
13.根据权利要求11所述的方法，其特征在于，若当前迭代并非所述图像处理模型的首次迭代，所述参数更新模块具体还用于：
14.一种电子设备，其特征在于，所述电子设备包括：
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的图像处理模型的训练方法或权利要求9所述的车载人员图像处理方法。
...【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据真实年龄、性别判断结果和年龄预测结果，确定所述图像处理模型的最终损失，包括：
3.根据权利要求2所述的方法，其特征在于，若当前迭代为所述图像处理模型的首次迭代，所述根据在当前迭代轮次中的当前预测概率、参考分布概率和第一分布函数，确定第三损失，包括：
4.根据权利要求2所述的方法，其特征在于，若当前迭代并非所述图像处理模型的首次迭代，所述根据在当前迭代轮次中的当前预测概率、参考分布概率和第一分布函数，确定第三损失，包括：
5.根据权利要求2所述的方法，其特征在于，若当前迭代并非所述图像处理模型的首次迭代，所述根据真实年龄、性别判断结果和年龄预测结果，确定所述图像处理模型的最终损失，还包括：
6.根据权利要求1所述的方法，其特征在于，所述风格特征提取单元包括编码器和多层感知器；所述编码器对年龄标签进行编码，将编码结果传递给多层感知器；所述多层感知器学习年龄标签各个取值对应的风格特征。
<...【专利技术属性】
技术研发人员：梁小明，陈博，袁鲁峰，何金鑫，孙建蕾，孙宇嘉，王紫烟，刘相超，
申请(专利权)人：中国第一汽车股份有限公司，
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。