[发明专利]年龄估计模型的训练方法、装置及电子设备

说明书

本发明涉及年龄估计模型的训练方法、装置及电子设备。该方法包括：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参数，获得初始模型；根据第二样本集和第一样本集，获得至少一个跨群体样本对，每个跨群体样本对包括一个第一样本和一个第二样本；使用跨群体样本对，通过机器学习方法对初始模型进行训练，以调整初始模型的参数，得到对第二群体进行年龄估计的第二模型。该方法能够显著降低获得目标群体的年龄估计模型所需的相应样本数量，大大降低了模型获取成本。

技术领域

本发明涉及人工智能技术领域，更具体地，涉及一种年龄估计模型的训练方法、一种对人物年龄进行估计的方法、一种年龄估计模型的训练装置、一种对人物年龄进行估计的装置以及一种电子设备。

背景技术

年龄作为一种重要的人脸属性，在人机交互、智能商务、安全监控和娱乐等领域都有着广阔的应用前景。自动人脸年龄估计作为一种重要的生物特征识别技术，目前已经成为模式识别和计算机视觉领域内一个热门的研究课题。人脸年龄估计问题的定义是指采用计算机视觉等技术根据输入的人脸图像自动估计出其真实年龄。虽然大量的研究者为解决年龄估计问题付出了艰辛的努力，但该问题远远没有得到解决且仍然面临着许多严峻的困难和挑战。人脸的老化是一个非常复杂的过程，它受基因控制的同时还受其他因素的影响，比如，性别和种族。不同群体(例如白人女性、黑人男性等等)的年龄成长模式是不同的，将一个在A群体上训练好的年龄估计模型应用在B群体的测试数据上，会导致模型性能的急剧下降。

针对不同群体的年龄问题，现有方法通常是针对特定群体收集样本并进行训练，从而得到适用于该群体的年龄估计模型。由于年龄估计模型的训练需要大量的数据，而年龄数据的标注费时费力，因此现有模型训练方法的成本较高。

发明内容

本发明的一个目的是提供一种获取年龄估计模型的新技术方案。

根据本发明的第一方面，提供了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，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，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。

可选地，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。

可选地，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；