首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

人脸多属性识别模型的训练方法及人脸多属性识别方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国建设银行股份有限公司;建信金融科技有限责任公司

摘要:本申请实施例提供一种人脸多属性识别模型的训练方法及人脸多属性识别方法。训练方法包括:确定多个训练数据集,从多个训练数据集中选取一个符合预设要求的训练数据集作为卷积神经网络的第一组训练数据并输入至卷积神经网络中,以调整卷积神经网络每个网络层的参数,卷积神经网络至少包括卷积层、全局池化层以及全连接层;将卷积低秩适应模块添加至卷积神经网络的卷积层与全局池化层之间,以得到待训练的人脸多属性识别模型;将剩下的数据集输入至待训练的人脸多属性识别模型,以调整卷积低秩适应模块的多个训练参数并不对其他网络层的参数进行调整;在损失函数于预设迭代次数内的损失值不再下降的情况下,确定得到训练完毕的人脸多属性识别模型。

主权项:1.一种人脸多属性识别模型的训练方法,其特征在于,所述训练方法包括:确定多个训练数据集;从所述多个训练数据集中选取一个符合预设要求的训练数据集作为卷积神经网络的第一组训练数据;将所述第一组训练数据输入至所述卷积神经网络中,以调整所述卷积神经网络每个网络层的参数,其中,所述卷积神经网络至少包括卷积层、全局池化层以及全连接层;将卷积低秩适应模块添加至所述卷积神经网络的卷积层与全局池化层之间,以得到待训练的人脸多属性识别模型,其中,所述卷积低秩适应模块包括多个训练参数;将所述多个训练数据集中剩下的数据集依次输入至所述待训练的人脸多属性识别模型,以调整所述卷积低秩适应模块的多个训练参数,并不对所述待训练的人脸多属性识别模型的其他网络层的参数进行调整;根据所述待训练的人脸多属性识别模型的输出数据确定所述待训练的人脸多属性识别模型的损失函数;在所述损失函数于预设迭代次数内的损失值不再下降的情况下,确定得到训练完毕的人脸多属性识别模型。

全文数据:

权利要求:

百度查询: 中国建设银行股份有限公司 建信金融科技有限责任公司 人脸多属性识别模型的训练方法及人脸多属性识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。