[发明专利]年龄估计模型的训练方法、装置及电子设备

权利要求书

1.一种年龄估计模型的训练方法，包括：

根据对第一群体进行年龄估计的第一模型的网络结构和网络权重，获得初始模型；其中，所述第一模型为使用第一样本集进行机器学习训练得到，所述第一样本集包括至少一个第一样本，每个所述第一样本包括一张所述第一群体的人脸图像和对应的年龄标签；

根据所述第一样本集和第二样本集，获得至少一个跨群体样本对；其中，所述第二样本集包括至少一个第二样本，每个所述第二样本包括一张第二群体的人脸图像和对应的年龄标签，每个所述跨群体样本对包括一个所述第一样本和一个所述第二样本；

使用所述跨群体样本对，通过机器学习方法对所述初始模型进行训练，以调整所述初始模型的参数，得到对所述第二群体进行年龄估计的第二模型。

2.根据权利要求1所述的方法，其中，所述使用所述跨群体样本对，通过机器学习方法对所述初始模型进行训练，以调整所述初始模型的参数，得到对所述第二群体进行年龄估计的第二模型，包括：

基于所述第一模型对所述跨群体样本对中第一群体的人脸图像进行特征提取以及年龄估计，得到第一特征数据和第一估计结果；

基于所述初始模型对所述跨群体样本对中第二群体的人脸图像进行特征提取以及年龄估计，得到第二特征数据和第二估计结果；

将第一特征数据、第一估计结果、第二特征数据和第二估计结果带入预设的整体损失函数进行计算，得到所述跨群体样本对的整体损失；

根据所述整体损失对所述第一模型和所述初始模型的参数同步进行更新，根据更新后的所述初始模型得到所述第二模型。

3.根据权利要求2所述的方法，其中，所述将第一特征数据、第一估计结果、第二特征数据和第二估计结果带入预设的损失函数进行计算，得到所述跨群体样本对的整体损失，包括：

将所述第一估计结果代入第一损失函数进行计算，得到第一损失，所述第一损失函数用于衡量所述第一估计结果的准确程度；

将所述第二估计结果代入第二损失函数进行计算，得到第二损失，所述第二损失函数用于衡量所述第二估计结果的准确程度；

将所述第一特征数据和所述第二特征数据代入第三损失函数进行计算，得到第三损失，所述第三损失函数用于将所述第一特征数据和所述第二特征数据映射到统一的年龄特征空间；

根据所述第一损失、所述第二损失和所述第三损失，得到所述整体损失。

4.根据权利要求3所述的方法，其中，将所述第一特征数据和所述第二特征数据代入式(1)进行计算，得到所述第三损失，

L₃＝1-l[μ-d(f₁,f₂)]ω 式(1)

其中，L₃代表第三损失，f₁代表第一特征数据，f₂代表第二特征数据，d(f₁,f₂)代表f₁与f₂之间的距离，μ代表预设的超参数，l代表符号参数，l的定义为：a₁代表第一群体的人脸图像对应的年龄标签，a₂代表第二群体的人脸图像对应的年龄标签，ω代表权重参数，ω的定义为e代表自然对数的底数。

5.根据权利要求2所述的方法，其中，所述根据所述整体损失对所述第一模型和所述初始模型的参数同步进行更新，根据更新后的所述初始模型得到所述第二模型，包括：

基于预设的反向传播算法计算所述整体损失对所述第一模型中参数的第一导数和所述整体损失函数对所述初始模型中参数的第二导数；

基于所述第一导数和梯度下降算法对所述第一模型的参数进行更新，以及基于所述第二导数和梯度下降算法对所述初始模型的参数进行更新；

基于多个跨群体样本对的整体损失对所述第一模型的参数和所述初始模型的参数进行多次更新，直到结果收敛，根据更新后的所述初始模型得到所述第二模型。

6.根据权利要求2所述的方法，其中，所述方法还包括：根据更新后的所述第一模型得到所述第一模型的优化模型。