[发明专利]人脸颜值评估方法及装置

说明书

技术领域

本公开涉及图像处理技术领域，尤其涉及一种人脸颜值评估方法及装置。

背景技术

颜值用于表示人物容颜英俊或者靓丽的程度。随着图像处理技术以及机器学习技术的发展，利用具备数据处理能力的设备可以对图像中包括的人脸的颜值进行评估。

发明内容

本公开实施例提供一种人脸颜值评估方法及装置，用以提高对人脸颜值评估的准确度。

根据本公开实施例的第一方面，提供一种人脸颜值评估方法，包括：

通过分类模型确定人脸图像中人脸的第一预测颜值与对应的置信度，所述第一预测颜值为离散值；

通过回归模型确定所述人脸图像中所述人脸的第二预测颜值与对应的权重，所述第二预测颜值为连续值；

基于所述第一预测颜值、所述置信度、所述第二预测颜值以及所述权重，确定所述人脸的颜值。

在一实施例中，所述通过分类模型确定人脸图像中人脸的第一预测颜值与对应的置信度，可包括：

从所述人脸图像中提取出第一图像；

将所述第一图像输入所述分类模型；所述分类模型通过训练第一卷积神经网络得到；

基于所述分类模型，确定所述人脸的第一预测颜值与置信度；

所述通过回归模型确定所述人脸图像中所述人脸的第二预测颜值与对应的权重，可包括：

从所述人脸图像中提取出第二图像；

将所述第二图像输入至所述回归模型；所述回归模型通过训练第二卷积神经网络得到；

基于所述回归模型，确定所述人脸的第二预测颜值与权重；其中，在所述第一图像、所述第二图像中，一幅图像为所述人脸的全局图像，另一幅图像为所述人脸的局部图像。

在一实施例中，所述方法还可包括：

将设定数量的包含人脸的图像样本以及每一图像样本中所包含人脸的第一标定颜值输入未训练的卷积神经网络，对所述未训练的卷积神经网络的卷积层和全连接层进行训练；所述第一标定颜值为连续值；

在确定所述卷积层和全连接层中各节点之间连接的权重参数符合第一预设条件时，停止训练所述卷积神经网络，得到所述回归模型。

在一实施例中，所述确定所述卷积层和全连接层中各节点之间连接的权重参数符合第一预设条件，可包括：

确定所述卷积神经网络输出的所述人脸的第二预测颜值；

确定所述第一预测颜值与所述第一标定颜值的欧式距离；

确定所述欧式距离是否小于预设欧式距离；

当所述欧式距离小于所述预设欧式距离时，确定所述卷积层和全连接层中各节点之间连接的权重参数符合所述第一预设条件。

在一实施例中，所述方法还可包括：

将设定数量的包含人脸的图像样本以及每一图像样本中所包含人脸的第二标定颜值输入未训练的卷积神经网络，对所述未训练的卷积神经网络的卷积层和全连接层进行训练；所述第二标定颜值为离散值；

在确定所述卷积层和全连接层中各节点之间连接的权重参数符合第二预设条件时，停止训练所述卷积神经网络，得到所述分类模型。

在一实施例中，所述确定所述卷积层和全连接层中各节点之间连接的权重参数符合第二预设条件，包括：

确定所述卷积神经网络输出的所述人脸的第一预测颜值；

基于所述第一预测颜值与所述第二标定颜值确定预设Softmax损失函数的函数值；

确定所述函数值是否小于预设阈值；

当所述函数值小于所述预设阈值时，确定所述卷积层和全连接层中各节点之间连接的权重参数符合所述第二预设条件。

在一实施例中，所述基于所述第一预测颜值、所述置信度、所述第二预测颜值以及所述权重，确定所述人脸的颜值，可包括：

基于所述第一预测颜值、所述置信度、所述第二预测颜值、所述权重与如下关系式确定所述人脸的颜值：

F＝(F1*w1+F2*w2)/(w1+w2)

其中，F为所述人脸的颜值，所述F1为第一预测颜值，w1为所述置信度，F2为第二预测颜值，w2为所述权重。

根据本公开实施例的第二方面，提供一种人脸颜值评估装置，包括：

第一确定模块，被配置为通过分类模型确定人脸图像中人脸的第一预测颜值与对应的置信度，所述第一预测颜值为离散值；

第二确定模块，被配置为通过回归模型确定所述人脸图像中所述人脸的第二预测颜值与对应的权重，所述第二预测颜值为连续值；

第三确定模块，被配置为基于所述第一预测颜值、所述置信度、所述第二预测颜值以及所述权重，确定所述人脸的颜值。