(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210623051.4 (22)申请日 2022.06.01 (71)申请人 深圳数联天下智能科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区高新南七道20号深圳国 家工程实验室大楼B16 01 (72)发明人 陈仿雄　 (74)专利代理 机构 深圳市六加知识产权代理有 限公司 4 4372 专利代理师 唐梦云 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06F 40/216(2020.01) G06F 40/242(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 训练年龄检测模 型的方法、 年龄检测方法及 相关装置 (57)摘要 本申请实施例涉及人脸图像属性预测技术 领域， 公开了一种训练年龄检测模型的方法、 年 龄检测方法及相关装置， 训练集包括多个标注有 真实年龄的人脸图像， 首先获取训练集中各人脸 图像对应的年龄干扰信息。 然后， 对年龄干扰信 息进行编码， 得到信息特征编码。 最后， 采用训练 集和与该训练集中各人脸图像对应的信息特征 编码， 对神经网络进行迭代训练， 得到年龄检测 模型。 在此实施例中， 神经网络在训练过程中能 够学习到 人脸图像的特征以及年龄干扰特征， 即 清楚区分年龄干扰特征和影响年龄预测准确度 的有效特征， 从而， 在进行年龄预测时能够过滤 掉干扰特征， 减少干扰特征对网络学习的影响， 使得训练得到的年龄检测模型能够准确且稳定 地检测年龄 。 权利要求书2页 说明书13页 附图5页 CN 114943999 A 2022.08.26 CN 114943999 A 1.一种训练年龄检测模型的方法， 其特 征在于， 包括： 获取训练集， 所述训练集包括多个人脸图像， 各 所述人脸图像标注有真实年龄； 获取训练集中各人脸图像对应的年龄干扰信息， 所述年龄干扰信息包括拍摄信息和/ 或表情信息， 所述 年龄干扰信息为干扰神经网络准确检测年龄的干扰因素； 对所述年龄干扰信息进编码， 得到信息特 征编码； 采用所述训练集和与 所述训练集中各人脸图像对应的信 息特征编码， 对神经网络进行 迭代训练， 得到年龄检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述年龄干扰信息进编码， 得到信 息特征编码， 包括： 对所述年龄干扰信息中的文本数据进行编码， 得到文本编码； 将所述文本编码与所述年龄干扰信息中的数值数据进行拼接， 得到所述信息特征编 码。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述年龄干扰信 息中的文本数据进 行编码， 得到文本编码， 包括： 采用词袋模型对所述 年龄干扰信息中的文本数据进行编码， 得到所述文本编码。 4.根据权利要求1 ‑3任意一项所述的方法， 其特征在于， 在所述采用所述训练集和与所 述训练集中各人脸图像对应的信息特征编码， 对神经网络进行迭代训练， 得到年龄检测模 型之前， 还 包括： 采用多层感知机模块对所述信息特 征编码进行 特征提取， 得到目标信息向量； 所述采用所述训练集和与 所述训练集中各人脸图像对应的信 息特征编码， 对神经网络 进行迭代训练， 得到年龄检测模型， 包括： 采用所述训练集和与 所述训练集对应的目标信 息向量， 对所述神经网络和所述多层感 知机模块进行迭代训练， 得到所述 年龄检测模型。 5.根据权利要求4所述的方法， 其特征在于， 所述神经网络包括级联的卷积模块、 全连 接层、 融合层和分类层， 其中， 所述卷积模块包括多个卷积层； 采用所述训练集和与 所述训练集对应的目标信 息向量， 对所述神经网络和所述多层感 知机模块进行迭代训练， 得到所述 年龄检测模型， 包括： 将所述训练集输入所述神经网络的卷积模块， 所述卷积模块的最后 一个卷积层输出年 龄特征图； 将所述年龄特征图输入所述神经网络的全连接层， 得到年龄特 征向量； 将所述年龄特征向量和所述目标信 息向量输入所述融合层进行融合， 融合得到的融合 向量输入所述分类层进行年龄分类， 得到预测年龄； 采用损失函数计算各所述真实年龄和对应的预测年龄之间的损失， 并根据所述损失调 节所述神经网络和所述多层感知机模块的模型参数， 直至收敛， 得到所述 年龄检测模型。 6.根据权利要求5所述的方法， 其特征在于， 所述将所述年龄特征向量和所述目标信 息 向量输入所述融合层进行融合， 包括： 将所述年龄特征向量和所述目标信息向量进行相乘融合， 得到所述融合向量。 7.根据权利要求5所述的方法， 其特 征在于， 所述损失函数包括：权　利　要　求　书 1/2 页 2 CN 114943999 A 2Pi＝log(Yci) 其中， Yci∈(1,2,…,n)为所述预测年龄中第i岁对应的概率， YTi为所述真实年龄中第i 岁对应的概 率， n为年龄最大值。 8.一种年龄检测方法， 其特 征在于， 包括： 获取待检测人脸图像； 获取所述待检测人脸图像对应的年龄干扰信息， 所述年龄干扰信息包括拍摄信息和/ 或表情信息， 所述 年龄干扰信息为干扰神经网络准确检测年龄的干扰因素； 对所述待检测人脸图像对应的年龄干扰信 息进行编码， 得到所述待检测人脸图像对应 的信息特 征编码； 将所述待检测人脸图像和与所述待检测人脸图像对应的所述信息特征编码输入年龄 检测模型进行年龄检测， 得到所述待检测人脸图像对应的年龄 。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器， 以及 与所述至少一个处 理器通信连接的存 储器， 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑8任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机可 执行指令， 所述计算机可执行指令用于使计算机设备执行如权利要求1 ‑8任一项所述的方 法。权　利　要　求　书 2/2 页 3 CN 114943999 A 3