[发明专利]一种人脸遗传特征分类数据集构建方法、系统、装置及介质

说明书

本发明公开了一种人脸遗传特征分类数据集构建方法、系统、装置及介质，方法包括：从第一人脸数据集中获取第一人脸图片，并获取第一人脸图片的三个人工标注信息；根据人工标注信息从第一人脸图片中筛选出第二人脸图片和第三人脸图片，并确定第二人脸图片的遗传特征属性标签；根据第二人脸图片训练得到第一神经网络模型，利用第一神经网络模型对第三人脸图片进行遗传特征分类并标注，得到第一网络标注信息；根据人工标注信息以及第一网络标注信息确定第三人脸图片的遗传特征属性标签，根据第二人脸图片和第三人脸图片构建人脸遗传特征分类数据集。本发明提高了人脸图片遗传特征属性确定的准确度，提高了人脸遗传特征分类数据集的准确性和可靠性，可广泛应用于人脸识别技术领域。

技术领域

本发明涉及人脸识别技术领域，尤其是一种人脸遗传特征分类数据集构建方法、系统、装置及介质。

背景技术

随着大数据的出现和硬件的快速发展，深度学习取得了巨大的进步。深度学习算法在视频监控、目标检测、生物特征识别等领域得到了广泛的应用。近些年，由于人脸图像包含着的显著又独特的生物特征信息而被广泛注意到，因此越来越多的研究者开始进行对人脸图像的研究。这些研究包括人脸检测，人脸识别，性别识别，人脸属性分类等。而在人脸图像的研究中，基于深度神经网络的机器学习的表现尤为优异，因此为了训练一个良好的深度神经网络，许多相关的人脸数据集一一被创建，例如用于人脸识别的MegaFace和IMDB-WIKI数据集，以及用于人脸遗传特征属性分类的CelebA、LFWA、MORPH、UTKFace、WFLW和FairFace数据集。

虽然人脸图像带有多种属性，例如年龄、性别、遗传特征、眼镜、尖鼻子、口红、胡须、窄眼、模糊、大嘴唇和微笑等，但遗憾的是，到目前为止，人们对人脸遗传特征属性的关注还是很少。准确的遗传特征分类不仅可以更有效地获取人脸图像中的脸部特征，而且能够获得更多的人脸语义信息。尽管现存着众多的人脸数据集，但具有人脸遗传特征属性的数据集还是欠缺的。现存的带有人脸遗传特征属性的数据集存在着规模小、遗传特征属性不准确以及分类不均衡的问题，在使用这样的数据集载入深度神经网络进行训练时，结果可能会过拟合，此时相比于的传统的非深度学习方法而言，深度学习并没有展现出它的优势，甚至于效果相对较差；并且，在现存的关于人脸遗传特征属性的数据集中，遗传特征属性不准确，因而极易造成人脸遗传特征数据分类不平衡，这种情况可能会导致模型训练的结果产生偏差，而使用带有偏差的数据训练出来的模型也会产生偏见，从而导致人脸遗传特征识别的结果不准确。因此，构建一个遗传特征属性准确且数据均衡的数据集对深度学习算法的训练和人脸遗传特征属性的研究具有重大意义。

发明内容

本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

为此，本发明实施例的一个目的在于提供一种准确、可靠的人脸遗传特征分类数据集构建方法。

本发明实施例的另一个目的在于提供一种人脸遗传特征分类数据集构建系统。

为了达到上述技术目的，本发明实施例所采取的技术方案包括：

第一方面，本发明实施例提供了一种人脸遗传特征分类数据集构建方法，包括以下步骤：

从预设的第一人脸数据集中获取第一人脸图片，并获取第一人脸图片的第一人工标注信息、第二人工标注信息以及第三人工标注信息；

根据所述第一人工标注信息、所述第二人工标注信息以及所述第三人工标注信息从所述第一人脸图片中筛选出第二人脸图片和第三人脸图片，并根据所述第一人工标注信息、所述第二人工标注信息以及所述第三人工标注信息确定所述第二人脸图片的遗传特征属性标签；

根据所述第二人脸图片训练得到第一神经网络模型，进而利用所述第一神经网络模型对所述第三人脸图片进行遗传特征分类并标注，得到第一网络标注信息；