[发明专利]人脸属性识别网络的训练方法、识别方法及相关设备

权利要求书

1.一种人脸属性识别网络的训练方法，其特征在于，所述人脸属性识别网络的训练方法包括：

确定待训练的人脸属性识别网络当前的网络参数；

获取用于训练人脸属性识别网络的至少一个测试任务和至少一个训练任务；所述测试任务的人脸图像样本和所述训练任务的人脸图像样本所属人脸属性识别领域不同；

通过用于计算训练任务损失的第一损失函数，以及所述当前的网络参数，得到所述训练任务的第一损失函数值；

根据所述第一损失函数和所述训练任务中的人脸图像样本，对所述当前的网络参数进行梯度下降，得到所述训练任务对应的梯度下降后的第一网络参数；

通过用于计算测试任务损失的第二损失函数和所述第一网络参数，得到所述测试任务对应的第二损失函数值；

将所述第一损失函数值，以及所述第二损失函数值输入用于计算人脸属性识别网络损失的第三损失函数，得到第三损失函数值；

根据所述第三损失函数值判断所述第三损失函数是否收敛；

若所述第三损失函数不收敛，根据所述第三损失函数，对所述当前的网络参数进行梯度下降，得到梯度下降后的第二网络参数；

将所述第二网络参数作为当前的网络参数，重新进行获取用于训练人脸属性识别网络的至少一个测试任务和至少一个训练任务的步骤，直至所述第三损失函数收敛，则判定所述人脸属性识别网络训练完成，得到训练好的人脸属性识别网络。

2.根据权利要求1所述的人脸属性识别网络的训练方法，其特征在于，所述人脸属性识别网络包括：用于提取人脸特征的特征提取网络，以及用于通过提取的人脸特征识别人脸属性的分类网络。

3.根据权利要求2所述的人脸属性识别网络的训练方法，其特征在于，所述根据所述第一损失函数和所述训练任务中的人脸图像样本，对所述当前的网络参数进行梯度下降，得到所述训练任务对应的梯度下降后的第一网络参数，包括：

根据所述第一损失函数和所述训练任务中的人脸图像样本，仅对所述当前的网络参数中的分类网络参数进行梯度下降，得到梯度下降后的第一网络参数。

4.根据权利要求1所述的人脸属性识别网络的训练方法，其特征在于，所述第三损失函数为：所述第一损失函数与所述第二损失函数加权求和；

所述将所述第一损失函数值，以及所述第二损失函数值输入用于计算人脸属性识别网络损失的第三损失函数，得到第三损失函数值，包括：

对所述第一损失函数值，以及所述第二损失函数值加权求和，得到第三函数值。

5.根据权利要求1所述的人脸属性识别网络的训练方法，其特征在于，所述人脸属性识别领域为：具有预设图像标准的人脸属性识别领域，具有不同光强范围的人脸属性识别领域，具有面部遮挡的人脸属性识别领域，或预设拍摄场景的人脸属性识别领域。

6.根据权利要求1至5中任一项所述的人脸属性识别网络的训练方法，在所述得到训练好的人脸属性识别网络后，所述方法还包括：

获取目标人脸属性识别领域的人脸图像样本；

通过所述目标人脸属性识别领域的人脸图像样本对所述训练好的人脸属性识别网络的网络参数进行调整，得到应用于目标人脸属性识别领域的训练好的人脸属性识别网络。

7.一种人脸属性识别方法，其特征在于，所述方法包括：

通过人脸属性识别网络进行人脸属性识别；

其中，所述人脸属性识别网络为：通过权利要求1至6中任一项所述的训练方法得到的训练好的人脸属性识别网络。