[发明专利]一种基于倒置残差网络的人脸年龄估计方法

摘要

本发明公开了一种基于倒置残差网络的人脸年龄估计方法，包括以下步骤：步骤1：对人脸数据集进行人脸检测、人脸对齐等预处理；步骤2：将数据集划分为训练集和测试集；步骤3：对训练集进行数据增强操作，作为训练样本的输入；步骤4：建立一个基于倒置残差的网络模型；步骤5：将数据增强后的训练样本作为模型的输入，利用反向传播最小化损失函数，训练得到最终的基于倒置残差网络的目标训练模型；步骤6：用测试集测试步骤5得到的目标训练模型，得出被测人脸图像的年龄估计。本发明摒弃了传统深度学习网络模型，采用了基于倒置残差的网络模型进行人脸年龄估计，在不降低年龄估计精度的前提下，大大减少了网络模型的参数，显著提高了其性能。

主权项

1.一种基于倒置残差网络的人脸年龄估计方法，其特征在于，包括以下步骤：/n步骤1：人脸图像数据集预处理；/n步骤2：将步骤1得到的数据集按比例划分为候选训练集与测试集；/n步骤3：对候选训练集图像进行数据增强操作；/n步骤4：建立一个基于倒置残差的人脸年龄估计网络模型，具体包括如下内容：/n步骤4-1：建立一个卷积层，卷积层后连接激活函数；/n步骤4-2：在步骤4-1后连接一个池化层；/n步骤4-3：在步骤4-2后级联多个倒置残差模块，模块的输入通道数为M，输出通道数为N，级联模块的数量在4-12之间，通过训练级联不同数目倒置残差模块的网络模型，选择出最优的模块级联数量；/n步骤4-4：在步骤4-3后连接1个全连接层；/n步骤4-5：在步骤4-4后连接输出层；所述输出层的维度为K，输出层采用softmax函数生成年龄1至K对应的预测概率，sofxmax函数定义为：/n /n其中，j表示预测年龄，1≤j≤K，K表示可预测的年龄最大值，p_j表示预测年龄为j的概率，y表示步骤4-4的输出向量，w_k和w_j表示分类器的可学习参数，T表示转置；/n步骤5：将经过步骤3处理后的训练集输入到步骤4建立的网络进行训练，利用反向求导更新模型参数，从而最小化损失函数值；/n步骤6：采用步骤2的测试集评估步骤5得到的训练模型，得出样本的年龄估计。/n