一种性别分类网络训练方法、性别分类方法及相关装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及一种性别分类网络训练方法、性别分类 方法及相关装置。
【背景技术】
[0002] 人脸是重要的生物特征之一，人脸图像上蕴含了大量的信息，例如性别、年龄、人 种、身份等。人机交互技术(Human-Computer Interact ion，HCI)的发展使得计算机视觉、人 工智能在监控、GUI (Graphical User Interface，图形用户界面)人机界面设计等方面发挥 了越来越重要的作用。随着技术的进步，基于人脸图像模式识别问题也成为近年来研究的 热点。
[0003] 随着人脸检测功能的不断完善，针对人脸的多种分类功能开始成熟，其中最常用 的就是性别分类功能。
【发明内容】
[0004] 本发明提供一种性别分类网络训练方法、性别分类方法及相关装置，以提高性别 分类网络训练的速率和准确性。
[0005] 根据本发明实施例的第一方面，提供一种性别分类网络训练方法，包括：
[0006] 分别以训练样本集合中各训练样本为主训练样本生成训练样本组，其中，各训练 样本组中包括主训练样本以及至少两个辅助训练样本;所述至少两个辅助训练样本中包括 至少一个与主训练样本对应的性别相同的训练样本，以及至少一个与主训练样本对应的性 别不同的训练样本；
[0007] 将训练样本组输入到预设的卷积神经网络进行网络训练，以使所述预设的卷积神 经网络对主训练样本的识别结果达到预设要求。
[0008] 根据本发明实施例的第二方面，提供一种性别分类方法，包括：
[0009] 将待检测图像输入到基于上述性别分类网络训练方法训练后的卷积神经网络；
[0010] 根据所述训练后的卷积神经网络的识别结果确定所述待检测图像对应的性别。
[0011] 根据本发明实施例的第三方面，提供一种性别分类网络训练装置，包括：
[0012] 生成单元，用于分别以训练样本集合中各训练样本为主训练样本生成训练样本 组，其中，各训练样本组中包括主训练样本以及至少两个辅助训练样本;所述至少两个辅助 训练样本中包括至少一个与主训练样本对应的性别相同的训练样本，以及至少一个与主训 练样本对应的性别不同的训练样本；
[0013] 训练单元，用于将训练样本组输入到预设的卷积神经网络进行网络训练，以使所 述预设的卷积神经网络对主训练样本的识别结果达到预设要求。
[0014] 根据本发明实施例的第四方面，提供一种性别分类装置，包括：
[0015] 输入单元，用于将待检测图像输入到基于上述性别分类网络训练装置得到的训练 后的卷积神经网络；
[0016]确定单元，用于根据所述训练后的卷积神经网络的识别结果确定所述待检测图像 对应的性别。
[0017]应用本发明实施例，通过分别以训练样本集合中各训练样本为主训练样本生成训 练样本组，其中，各训练样本组中包括主训练样本以及至少一个与主训练样本对应的性别 相同的辅助训练样本，以及至少一个与主训练样本对应的性别不同的辅助训练样本，并将 训练样本组作为卷积神经网络的输入，输入到预设的卷积神经网络中进行网络训练，直至 该预设的卷积神经网络对主训练样本的识别结果，与现有技术中以单一训练样本作为输入 的网络训练方式相比，由于本发明实施例中输入到预设的卷积神经网络中的训练样本组中 同时包括与主训练样本对应的相别相同和不同的辅助训练样本，可以让卷积神经网络更好 地根据训练样本组中不同训练样本之间的相关性与差异性进行参数优化调整，可以提升卷 积神经网络的训练速度和准确性。
【附图说明】
[0018] 图1是本发明实施例提供的一种性别分类网络训练方法的流程示意图；
[0019] 图2是本发明实施例提供的一种性别分类方法的流程示意图；
[0020] 图3是本发明实施例提供的一种性别分类网络训练装置的结构示意图；
[0021 ]图4是本发明实施例提供的一种性别分类装置的结构示意图。
【具体实施方式】
[0022] 为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明实 施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例中技术方 案作进一步详细的说明。
[0023] 请参见图1，图1为本发明实施例提供的一种性别分类网络训练方法的流程示意 图，如图1所示，该性别分类网络训练方法可以包括以下步骤：
[0024] 步骤101、分别以训练样本集合中各训练样本为主训练样本生成训练样本组，其 中，各训练样本组中包括主训练样本以及至少两个辅助训练样本;该至少两个辅助训练样 本中包括至少一个与主训练样本对应的性别相同的训练样本，以及至少一个与主训练样本 对应的性别不同的训练样本。
[0025]本发明实施例中，上述方法可以应用于图像处理系统中，例如应用于图像处理系 统后台服务器。为便于描述，以下以上述方法的执行主体为服务器为例进行描述。
[0026] 本发明实施例中，训练样本集合可以包括多个对应的性别不同的训练样本，例如， 该训练样本集合可以包括1000个男性训练样本，1000个女性训练样本;其中，训练样本为人 脸图像。
[0027] 本发明实施例中，对于训练样本集合中的任一训练样本，服务器可以从训练样本 集合中选择至少一个与该训练样本对应的性别不同的辅助训练样本，以及至少一个与该训 练样本对应的性别相同的辅助训练样本，并将该训练样本(作为主训练样本）以及至少两个 辅助训练样本生成以该训练样本为主训练样本的训练样本组。
[0028] 举例来说，对于任一训练样本，假设其对应的性别为男性，则服务器可以从训练样 本集合中的其余训练样本中选择至少一个男性样本以及至少一个女性样本作为辅助样本， 以生成以该训练样本为主训练样本的训练样本组。
[0029] 作为一种可选的实施方式，当训练样本组中辅助训练样本的数量为2个时，上述步 骤101中，分别以训练样本集合中各训练样本为主训练样本生成训练样本组，可以包括：
[0030] 分别以训练样本集合中各训练样本为主训练样本生成对应的第一训练样本组、第 二训练样本组、第三训练样本组以及第四训练样本组；
[0031] 其中，训练样本对应的第一训练样本组中两个辅助训练样本对应的年龄与该训练 样本对应的年龄差均不超过预设年龄阈值;第二训练样本组中对应的性别相同的辅助训练 样本对应的年龄与该训练样本对应的年龄差不超过所述预设年龄阈值，另一辅助训练样本 对应的年龄与该训练样本对应的年龄超过所述预设年龄阈值;第三训练样本组中对应的性 别相同的辅助训练样本对应的年龄与该训练样本对应的年龄差超过所述预设年龄阈值，另 一辅助训练样本对应的年龄与该训练样本对应的年龄不超过所述预设年龄阈值;第四训练 样本组中两个辅助训练样本对应的年龄与该训练样本对应的年龄差均超过预设年龄阈值 (可以根据具体应用场景设定，如3岁、2岁等）。
[0032] 在该实施方式中，为了进一步地体现训练样本组中各样本之间的相关性和差异 性，提升基于训练样本组进行训练的性别分类网络的准确率，在生成训练集合中各训练样 本对应的训练样本组时，对于任一训练样本，可以分别根据辅助训练样本对应的性别与该 训练样本对应的性别是否相同，以及对应的年龄与该训练样本对应的年龄的差值是否超过 预设年龄阈值等条件，生成该训练样本对应的四个训练样本组，以下称为第一训练样本组、 第二训练样本组、第三训练样本组以及第四训练样本组。其中，训练样本组对应的样本标签