[发明专利]一种基于多源数据的人脸多属性识别方法

权利要求书

1.一种基于多源数据的人脸多属性识别方法，其特征在于，包括以下步骤：

S1、根据本次人脸多属性识别任务的k项目标人脸属性，k≥1，明确输入数据需要带有的属性标签：A＝{a_i|i＝1,...,k}，其中a_i表示第i项目标人脸属性的标签；

S2、根据S1确定的k项属性，基于多源数据选取n个不同的数据集D_j,j＝1,2,...,n，n≥1，每个数据集要求至少包含A中的一项目标人脸属性标签，则D_j包含的目标人脸属性标签记作其中s_j表示D_j包含的目标人脸属性标签的数量，且1≤s_j≤k；

S3、依次选择数据集D_j，对照任务目标人脸属性标签集A，为D_j中未包含标签的属性添加伪标签，并将添加伪标签后的标签集记作且

S4、按照k项目标人脸属性的特点，将其分为分类属性和回归属性，并为人脸回归属性的原数值标签添加衍生类别标签，构建人脸识别神经网络，包括所有属性共享的浅层网络以及独立提取一种属性特征的分支网络；

S5、选取数据集D_j，根据包含的目标属性数量s_j及标签的分布情况自适应地设置损失函数权重和共享层的学习率，通过参数初始化策略对模型进行训练，并在训练完成时保存模型参数W_j；

S6、若j＝n，则模型学习完毕，通过该模型可以对输入人脸图片获得多项目标人脸属性识别结果；否则，令j＝j+1，并回到S5。

2.根据权利要求1所述的一种基于多源数据的人脸多属性识别方法，其特征在于，所述步骤S4中构建的人脸识别神经网络，对于人脸属性中的分类属性，其分支网络直接添加全连接层，最后利用softmax函数对进行属性识别；对于人脸属性中的回归属性，由于数值描述的模糊性，将模型设计为原数值标签增加衍生类别标签，并在训练时，采用级联的方式计算该类属性的损失，即对于原数值标签，利用MAE损失函数计算其误差，记作L_value，对于衍生类别标签向量利用KL散度计算其损失，记作L_vector，对于该类属性，损失函数采用级联的方式计算：

L＝L_value+αL_vector

其中α为两种损失的平衡因子。

3.根据权利要求2所述的一种基于多源数据的人脸多属性识别方法，其特征在于，所述步骤S5中，采用数据集D_j对人脸多属性识别模型进行训练时，根据其原始目标属性标签集A_j依次设置对应第i项目标属性地损失函数权重λ_i,i＝1,2,...,k:若则设置对应的λ_i＝0；否则，根据其在数据集D_j中分布的平衡程度，在(0,1]区间内调整λ_i，原则是标签类别分布越不平衡，λ_i越小，则总的损失函数记作：

其中L_i代表第i项属性任务的损失函数。

4.根据权利要求3所述的一种基于多源数据的人脸多属性识别方法，其特征在于，所述步骤S5中，根据数据集D_j包含的目标人脸属性数量s_j，调整共享层的学习率，若j＝1则共享层学习率与全局学习率相同；否则，根据其缺少的属性数量自适应地减小共享层的学习率。

5.根据权利要求4所述的一种基于多源数据的人脸多属性识别方法，其特征在于，所描述的S5中，恰当的参数初始化方法为：对于数据集D_j的训练，若j＝0，则参数随机初始化，否则用W_j-1初始化。