[发明专利]图像识别模型的构建方法、识别方法及相关设备

说明书

本申请涉及区块链技术，应用于智慧安防领域中，提供了一种图像识别模型的构建方法，该方法包括：获取第一终端上传的第一训练数据集，采用预训练的多任务卷积神经网络对所述第一训练数据集中的样本图像进行人脸检测；若所述样本图像中存在目标人脸，则通过岭回归的方法对目标人脸进行补全操作，得到第二训练数据集；利用第二训练数据集和预构建的联合损失函数对GoogLeNet神经网络进行训练，得到用于性别年龄识别的初始图像识别模型；利用第三训练数据集和联合损失函数对初始图像识别模型进行参数调整，得到构建完成的图像识别模型。提高对图像中的目标对象进行性别年龄识别的准确率。此外，本申请还涉及区块链技术，所述相关训练数据可存储于区块链中。

技术领域

本申请涉及区块链技术，尤其涉及一种图像识别模型的构建方法、识别方法及相关设备。

背景技术

随着计算机技术的发展，计算机与人之间的交互面越来越广，其不仅能够识别人的指令，更能进行图像语义理解、性别年龄检测等更高层次的处理。性别年龄检测通常需要性别年龄识别模型实现，现有的性别年龄识别模型多采用开源非亚洲人脸数据集训练得到，且适用于基本无噪声，面部无遮挡的场景。但实际场景中，难免会遇到图像中人脸存在部分模糊、缺失等情况，此时现有性别年龄识别模型的预测准确率将受到很大的影响，预测出的结果也仅仅为跨度较大的年龄区间。可见，目前的性别年龄识别技术的准确率还有待提高。

发明内容

针对以上问题，本申请实施例提出一种图像识别模型的构建方法、识别方法及相关设备，有利于提高对图像中的目标对象进行性别年龄识别的准确率。

本申请实施例第一方面，提供了一种图像识别模型的构建方法，该方法包括：

获取第一终端上传的第一训练数据集，采用预训练的多任务卷积神经网络对所述第一训练数据集中的样本图像进行人脸检测；

若所述样本图像中存在目标人脸，则通过岭回归的方法对所述目标人脸进行补全操作，得到第二训练数据集；

利用所述第二训练数据集和预构建的联合损失函数对GoogLeNet神经网络进行训练，得到用于性别年龄识别的初始图像识别模型；

利用第三训练数据集和所述联合损失函数对所述初始图像识别模型进行参数调整，得到构建完成的图像识别模型。

在第一方面的一种较佳实施例中，所述通过岭回归的方法对所述目标人脸进行补全操作，包括：

利用参数θ建立岭回归模型函数h_θ(x_i)；其中，x_i表示因子矩阵X的第i行数据，i＝1，2，...，m，m表示因子矩阵X的总行数；

求取使得目标代价函数值最小的所述参数θ，得到岭回归模型，以完成对所述目标人脸进行补全。

在第一方面的另一种较佳实施例中，所述利用所述第二训练数据集和预构建的联合损失函数对GoogLeNet神经网络进行训练，得到用于性别年龄识别的初始图像识别模型，包括：

将所述第二训练数据集输入所述GoogLeNet神经网络进行特征提取，对提取出的特征再进行连续的卷积和池化操作；

对经过连续的卷积和池化操作后的输出特征进行全局平均池化操作；

将经过全局平均池化操作后输出的特征输入所述GoogLeNet神经网络的主分类器进行最终的分类，并将所述GoogLeNet神经网络的两个辅助分类器的输出作为权重加到最终的分类结果中；

在对所述第二训练数据集进行迭代的过程中，根据所述联合损失函数的值初步固定所述GoogLeNet神经网络的参数，得到所述初始图像识别模型。

在第一方面的另一种较佳实施例中，通过所述stem网络中的卷积层对输入的所述第二训练数据集进行特征提取；