[发明专利]一种基于卷积神经网络的年龄判断方法

权利要求书

1.一种基于卷积神经网络的年龄判断方法，其特征在于，包括以下步骤：

S1：输入原始简历头像数据集，对所述原始简历头像图片进行预处理，将原始简历头像图片统一缩放到256*256；

S2:训练数据集，对所述原始简历头像图片进行随机裁剪处理，随机裁剪后的图像大小为227*227，再用随机裁剪好的图像建立样本库，训练卷积神经网络；

S3：测试数据集，验证测试过程中通过原始简历头像图片的四个角加人脸中心为基点进行定位裁剪，对测试数据集进行年龄判断的准确率测试；

S4：结果预测集，利用测试数据集优化训练好的卷积神经网络模型对输入的若干张图片进行预测，最后对预测结果进行平均。

2.根据权利要求1所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述输入原始简历头像数据集的权重初始化方法采用高斯正态分布。

3.根据权利要求1所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述训练数据集采用dropout，用来限制过拟合；所述训练数据集还包括数据扩充，数据扩充是通过对输入的原始简历头像图片以人脸中心为基点进行随机裁剪。

4.根据权利要求1或2所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述高斯正态分布的标准差为0.01，均值为0。

5.根据权利要求1或3所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述dropout的比例采用0.5。

6.根据权利要求1或3所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述训练数据集采用的训练方法为随机梯度下降法。

7.根据权利要求6所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述梯度下降法的min-batch的大小为50，学习率大小为0.001。

8.根据权利要求1所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述卷积神经网络模型结构包括3个卷积层和两个全连接层；卷积层1采用96个卷积核，每个卷积核大小为3*7*7，用来提取简历头像图片的图像特征；卷积层2选择256个滤波器，滤波器大小为5*5，卷积步长为1；卷积层3选择384个滤波器，卷积核大小为3*3；全连接层1选择512个神经元；全连接层2选择512个神经元。

9.根据权利要求1或8所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述卷积神经网络模型结构的每个卷积层后面均设置有一个池化层，所述池化层均采用最大重叠池化，所述池化为3*3的步长为2的最大池化操作。

10.根据权利要求1或8所述的一种基于卷积神经网络的年龄判断方法，其特征在于，所述卷积神经网络模型结构的卷积层1下还设置有局部响应归一化层，对输入图像数据格式为RGB3通道的彩色图像进行归一化处理，得到输入卷积层2中的参数为96*28*28的单通道图像。