CN114399808B 一种人脸年龄估计方法、系统、电子设备及存储介质 （西安电子科技大学）

AttributeGuidedApproaEstimation.arXiv.2022,第1-本发明于模式识别、数字图像处理技术领取人脸年龄图像集并进行预处理得到预处理后建包含基于排序标签的误差压缩排序损失和属理图像集对人脸年龄估计模型进行训练得到训过引入高性能的多尺度注意力机制残差卷积单2步骤三，根据人脸预处理图像集对人脸年龄估计模型步骤四，根据测试数据集对所述训练好的人脸年龄估所述步骤一中的对人脸年龄图像集进行预处理，得到预处理后的人脸年龄图像集包对所述人脸年龄图像集进行人脸检测、裁剪和缩放，得到所述预处理对所述预处理后的人脸年龄图像集按比例随机将图像划分为训练集、验证集和测试所述步骤二中的构建人脸年龄估计模型包括特征提取模块和属性其中，所述特征提取模块包括依次以不同次数重复连接的基所述特征提取模块的输入为人脸图像，所述特征提取模块的输出为所理图像集对人脸年龄估计模型进行训练得到训练好的人脸年龄估计构建包括基于排序标签的误差压缩排序损失和属性指据所述预处理后的人脸年龄图像集并利用所述复合损失函数对所述人脸年龄估计模型进其中，所述构建包括基于排序标签的误差压缩排序3使用所述训练好的人脸年龄估计模型对测试集图像进行4.一种实施权利要求1～3任意一项所述年龄估计模型训练模块，用于根据人脸预处理图像集对人脸年人脸年龄估计模块，用于根据测试数据集对所述训练好的人脸年龄估计模型进行测5.一种应用如权利要求1～3任意一项所述的人脸年龄估计方法的人脸年龄估计电子所述中央处理器，用于执行所述存储器上存放的所述计算机程序时，得所述处理器执行如权利要求1～3任意一项4[0006](1)由于传统机器学习方法的手动特征提取方式受限于单一面部姿势、脸部特征[0010](1)年龄特性(非线性和连续性)的表达存在一定冲突，往往不能很好地同时进行[0011](2)如何在神经网络中利用性别、种族等与年龄高度相关的信息是一个难点和创[0013]使用贴近年龄变化特性的损失函数来进行年龄值计算，更有利于年龄的精确估5通道注意力机制；所述多尺度卷积机制包括不同卷积核大小和不同输出通道数的卷积层；[0025]所述属性指导模块包括第一属性全连接层、第二属性全连接[0028]构建包括基于排序标签的误差压缩排序损失和属性指导分类损失的复合损失函6[0041]本发明的另一目的在于提供一种应用所述的人脸年龄估计方法的人脸年龄估计[0046]本发明的另一目的在于提供一种应用所述的人脸年龄估计方法的人脸年龄估计7[0053]本发明的另一目的在于提供一种电子设备，所述电子设[0065]图5是本发明实施例提供的人脸年龄估计方法中特征提取模块的基本卷积单元结[0066]图6是本发明实施例提供的基于排序标签的误差压缩排序损失所对应的年龄段点8[0081]年龄估计模型训练模块3，用于根据人脸预处理图像集对人脸年龄估计模型进行[0082]人脸年龄估计模块4，用于根据测试数据集对所述训练好的人脸年龄估计模型进脸年龄估计方法的流程示意图，本实施例提供了一种基于属性指导的人脸年龄估计方法，Morph和UTKFace人脸年龄图像集。其中，Morph数据集为目前最流行的年龄估计数据集之9[0097]步骤3、构建基于排序标签的误差压缩排序损失和属性指导分类损失的复合损失ecr为输出值h(xi)减去bk后通过S型函数激活得到的二值化矢量与真实标签的交叉样的优势在于使用排序标签可以利用年龄的连续性信息，使用1/0之间对应的段点可以利[0107]步骤4、使用所述人脸预处理图像集对所述人脸年龄估计模型进行训练得到训练序标签的误差压缩排序损失和加入了多尺度特征提取和通道注意力的特征提取模块来逐[0113]本实施例验证过程中人脸年龄估计网络模型中特征提取模块的每一层参数设计[0118](1)为说明本发明的人脸年龄估计网络模型中基于排序标签的误差压缩排序损失[0119]表2.本实施例年龄估计方法采用误差压缩排序损失项后与其他公开方法的平均误差压缩排序损失项的复合损失函数，在测试集上估计结果与真实标签的MAE值在两个数实验证实了本发明提出的误差压缩排序损失项以及包含该损失项的复合损失函数对提高[0122](2)为说明本发明的人脸年龄估计网络模型中特征提取模块的有效性，保留上述[0123]表3.本实施例年龄估计方法采用的特征提取模块与其他主流特征提取模块的平[0126](3)为说明本发明提出的人脸年龄估计网络模型中属性指导模块的有效性，在上[0141]具体而言，本实施例步骤1中对人脸年龄图像集进行预处理得到预处理后的人脸出1/2通道数的3×3卷积和输出1/4通道数的5×5卷积，通道注意力机制包括全局池化层、[0148](3)使用人脸年龄图像集训练集并利用包括基于排序标签的误差压缩排序损失和[0150]具体而言，本实施例的步骤3将人脸年龄预处理测试图像输入至已训练好的人脸[0155]具体而言，本实施例步骤1中对人脸年龄图像集进行预处理得到预处理后的人脸[0162]使用人脸年龄预处理训练图像集的训练集并利用基于排序标签的误差压缩排序[0164]具体而言，本实施例的步骤3将人脸年龄预处理测试图像输入至已训练好的人脸传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一