[发明专利]一种性别分类的方法、设备、终端及计算机存储介质

权利要求书

1.一种性别分类的方法，其特征在于，包括：

获取预先训练好的图像特征提取模型；

将所述图像特征提取模型中具有自动提取图像特征能力的卷积层和池化层迁移到用于性别分类的神经网络模型中进行迁移学习训练；

基于训练完成的所述神经网络模型对待识别的眼周图像进行性别识别。

2.如权利要求1所述的方法，其特征在于，所述图像特征提取模型为在ImageNet上预先训练好的VGG模型和Resnet34模型。

3.如权利要求1所述的方法，其特征在于，所述眼周图像为虹膜图像。

4.如权利要求1所述的方法，其特征在于，所述迁移学习训练，包括：

获取样本数据作为训练数据库，并将所述图像特征提取模型的结构参数作为训练数据源；

基于所述训练数据库和所述训练数据源对所述神经网络模型的全连接层进行训练；

将训练得到的所述全连接层的结构参数作为下一阶段的特征提取输入源，并对所述神经网络模型的结构层数进行调整，以及采用Softmax分类器作为最后的分类输出层。

5.如权利要求4所述的方法，其特征在于，所述样本数据为确定分类结果为男性或女性的眼周图像；

所述“获取样本数据作为训练数据库”，包括：

对所述样本数据中的眼周图像进行扩增，并基于扩增后的眼周图像生成训练数据库。

6.如权利要求5所述的方法，其特征在于，所述扩增包括以下一个或多个的组合：水平翻转、旋转。

7.一种性别分类的设备，其特征在于，包括：

获取模块，用于获取预先训练好的图像特征提取模型；

训练模块，用于将所述图像特征提取模型中具有自动提取图像特征能力的卷积层和池化层迁移到用于性别分类的神经网络模型中进行迁移学习训练；

分类模块，用于基于训练完成的所述神经网络模型对待识别的眼周图像进行性别识别。

8.如权利要求7所述的设备，其特征在于，所述图像特征提取模型为在ImageNet上预先训练好的VGG模型和Resnet34模型。

9.一种终端，其特征在于，包括存储器以及处理器，所述处理器执行所述存储器中的代码时执行权利要求1-6中任意一项所述的方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有应用程序，所述应用程序用于执行权利要求1-6中任意一项所述的方法。