[发明专利]生成模型并识别年龄和性别的方法、装置、设备和介质

权利要求书

1.一种用于生成模型的方法，包括：

从预设的基础网络结构模块集合中选择网络结构模块构建至少一个候选模型；

获取数据规模小于第一阈值的至少一种训练样本集，其中，训练样本集中每个训练样本包括样本人脸图像、年龄和性别标注信息；

对于所述至少一个候选模型中每个候选模型，利用所述至少一种训练样本集中每种训练样本集对该候选模型进行训练，得到该候选模型针对不同训练样本集的预训练模型；

根据每个候选模型针对不同训练样本集的预训练模型的性能为每个候选模型打分；

利用数据规模大于第二阈值的训练样本集对打分最高的候选模型重新训练，得到年龄和性别识别模型，其中，所述第二阈值大于所述第一阈值。

2.根据权利要求1所述的方法，其中，所述从预设的基础网络结构模块集合中选择网络结构模块构建至少一个候选模型，包括：

从预设的基础网络结构模块集合中选择网络结构模块组成基础模型；

根据模型参数进行数学建模，将基础模型的结构表示为指数函数；

根据所述指数函数对模型参数随机采样，得到至少一个候选模型。

3.根据权利要求1所述的方法，其中，在利用所述至少一种训练样本集中每种训练样本集对该候选模型进行训练之前，所述方法还包括：

计算该候选模型在网络预测阶段的运算量和内存使用量；

若运算量和内存使用量不符合目标部署环境要求，则过滤掉该候选模型。

4.根据权利要求1所述的方法，其中，所述根据每个候选模型针对不同训练样本集的预训练模型的性能为每个候选模型打分，包括：

获取验证数据集，其中，验证数据集中每个验证数据包括人脸图像、年龄和性别标注信息；

利用所述验证数据集对每个预训练模型进行性能评估，得到每个预训练模型的性能；

对于每个候选模型，计算该候选模型的预训练模型的总体性能作为该候选模型的得分。

5.根据权利要求1所述的方法，其中，所述年龄和性别识别模型的损失函数包括年龄估计的平滑L1损失函数和性别二分类的交叉熵损失函数。

6.根据权利要求1-5中任一项所述的方法，其中，所述基础网络结构模块集合包括以下至少一项：

常规卷积层、深度可分离卷积层、1x1卷积层、批量归一化层，激活函数层、池化层、全连接层。

7.一种用于识别年龄和性别的方法，包括：

获取待识别的目标用户的人脸图像；

将所述人脸图像进行预处理；

将预处理后的人脸图像输入根据权利要求1-6中任一项所述的方法训练的年龄和性别识别模型，输出所述目标用户的年龄和性别。

8.一种用于生成模型的装置，包括：

构建单元，被配置成从预设的基础网络结构模块集合中选择网络结构模块构建至少一个候选模型；

获取单元，被配置成获取数据规模小于第一阈值的至少一种训练样本集，其中，训练样本集中每个训练样本包括样本人脸图像、年龄和性别标注信息；

预训练单元，被配置成对于所述至少一个候选模型中每个候选模型，利用所述至少一种训练样本集中每种训练样本集对该候选模型进行训练，得到该候选模型针对不同训练样本集的预训练模型；

评分单元，被配置成根据每个候选模型针对不同训练样本集的预训练模型的性能为每个候选模型打分；

再训练单元，被配置成利用数据规模大于第二阈值的训练样本集对打分最高的候选模型重新训练，得到年龄和性别识别模型，其中，所述第二阈值大于所述第一阈值。

9.根据权利要求8所述的装置，其中，所述构建单元进一步被配置成：

从预设的基础网络结构模块集合中选择网络结构模块组成基础模型；

根据模型参数进行数学建模，将基础模型的结构表示为指数函数；

根据所述指数函数对模型参数随机采样，得到至少一个候选模型。