发明名称 |
基于多任务深度学的人脸属性识别方法 |
摘要 |
基于多任务深度学的人脸属性识别方法,涉及计算机视觉中的人脸属性识别。准备图像数据集;对图像数据集中的每幅图像逐一进行人脸检测;对所有检测到的人脸进行人脸关键点检测;对检测到的人脸关键点将每幅人脸根据人脸对齐方法,对齐到标准的人脸图像上,构成人脸图像训练集;计算出训练集中的平均人脸图像;构建多任务深度卷积神经网络,把人脸图像训练集中的每幅人脸图像减去平均人脸图像后进行网络参数的训练,得卷积神经网络模型;将待识别的测试图像进行人脸检测和人脸关键点检测,并根据人脸关键点将图像中的人脸对齐到标准的人脸图像上;将标准的人脸图像减去平均人脸图像,并放到构建好的卷积神经网络模型中进行前馈运算操作,即得。 |
申请公布号 |
CN106203395A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610591877.1 |
申请日期 |
2016.07.26 |
申请人 |
厦门大学 |
发明人 |
严严;陈日伟;王菡子 |
分类号 |
G06K9/00(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
厦门南强之路专利事务所(普通合伙) 35200 |
代理人 |
马应森 |
主权项 |
基于多任务深度学习的人脸属性识别方法,其特征在于包括如下步骤:A.准备图像数据集,其包含大量的人脸以及对应的人脸属性标签;B.对图像数据集中的每幅图像逐一进行人脸检测,获取人脸在每幅图像中的位置;C.对所有检测到的人脸进行人脸关键点检测,获取人脸关键点在每幅图像中的位置;D.对检测到的人脸关键点将每幅人脸根据人脸对齐方法,对齐到标准的人脸图像上,构成人脸图像训练集;E.对人脸图像训练集,计算出训练集中的平均人脸图像;F.构建多任务深度卷积神经网络,把人脸图像训练集中的每幅人脸图像减去平均人脸图像后进行网络参数的训练,得到卷积神经网络模型;G.将待识别的测试图像分别进行人脸检测和人脸关键点检测,并根据人脸关键点将图像中的人脸对齐到标准的人脸图像上;H.将标准的人脸图像减去平均人脸图像,并放到构建好的卷积神经网络模型中进行前馈运算操作,即得到人脸的多个属性识别结果。 |
地址 |
361005 福建省厦门市思明南路422号 |