[发明专利]基于分布学习的自适应方差和权重的人脸年龄估计方法

权利要求书

1.一种基于分布学习的自适应方差和权重的人脸年龄估计方法，其特征在于，该方法包括以下步骤：

S10，获取待年龄估计的人脸图像，作为输入图像；

S20，对所述输入图像进行预处理，得到预处理图像；通过预训练的人脸年龄估计模型得到所述预处理图像中人脸的预测年龄；

所述人脸年龄估计模型基于深度残差网络构建；其训练方法为：

A10，将人脸年龄估计模型在IMDB-WIKI数据库上预训练，将预训练后的模型作为第一模型；

A20，获取人脸样本图像及其对应人脸年龄的真值标签，构建训练集；将人脸样本图像输入第一模型，得到人脸年龄的预测概率分布及对应的预测值标签；

A30，以人脸年龄的真值标签作为均值，结合预设的方差，构建正态分布，并结合各人脸样本图像对应的预测概率分布，计算K-L损失；

A40，对各人脸样本图像，根据其对应的预测值标签和真值标签，计算交叉熵损失值，并结合其预设的权重进行加权求和，得到权重损失；

A50，将所述权重损失、K-L损失求和，得到总损失，并通过SGD优化方法更新第一模型的模型参数，将更新后的模型作为第二模型；

A60，在训练集中从各个年龄选取相同数量的人脸样本图像，构建验证集；将验证集中的人脸样本图像输入第二模型，得到对应的预测值标签，并结合各人脸样本图像的真值标签，计算L1损失和交叉熵损失；

A70，结合验证集中各人脸样本图像对应的L1损失和交叉熵损失，更新各人脸样本图像的方差和权重；更新后，重新计算训练集中各人脸样本图像的K-L损失和权重损失，并更新所述第二模型的模型参数，将更新后的第二模型作为最终训练好的人脸年龄估计模型；

其中，“结合验证集中各人脸样本图像对应的L1损失和交叉熵损失，更新各人脸样本图像的方差和权重”，其方法为：

将验证集中各人脸样本图像对应的L1损失、交叉熵损失进行求和，作为第一损失；

基于所述第一损失，更新各人脸样本图像的方差和权重对应的扰动变量；

其中，表示第一损失，、表示更新后的方差、权重对应的扰动变量，、表示未更新的方差、权重对应的扰动变量，、表示预设的下降步长，、表示验证集中人脸样本图像及其对应的真值标签，表示更新后的模型参数，、表示第一损失函数中、对应的梯度；

对各人脸样本图像，基于其更新后的方差和权重对应的扰动变量，更新其对应的方差和权重。

2.根据权利要求1所述的基于分布学习的自适应方差和权重的人脸年龄估计方法，其特征在于，所述真值标签的正态分布为：

其中，表示人脸样本图像中人脸真实年龄为的概率，即正态分布，为人脸样本图像中人脸年龄的真值标签，表示人脸样本图像对应的初始方差值。

3.根据权利要求2所述的基于分布学习的自适应方差和权重的人脸年龄估计方法，其特征在于，所述K-L损失，其计算方法为：

其中，表示K-L损失值，表示人脸样本图像对应的预测概率分布，表示模型参数。

4.根据权利要求3所述的基于分布学习的自适应方差和权重的人脸年龄估计方法，其特征在于，所述权重损失，其计算方法为：

其中，表示权重损失值，表示交叉熵损失值，表示第张人脸样本图像的预测结果，表示第张人脸样本图像对应的权重，表示人脸样本图像数量，表示第张人脸样本图像的真值标签。