面向有标记噪声表观年龄数据库的深度网络迁移学习方法

摘要

本发明公开了一种面向有标记噪声表观年龄数据库的深度网络迁移学习方法。将表观年龄数据库随机按照预设比例分为两部分，一部分是训练集，另一部分是验证集，训练集所占的比例高于验证集所占的比例。从训练集中随机抽取少量数据，重复n次，得到n个子训练集，训练集中剩下的数据所组成的集合，记为数据集A。根据迁移学习方法，对n个子训练集进行深度学习得到n个分类模型，之后利用n个分类模型去识别数据集A。本发明公开的面向有标记噪声表观年龄数据库的深度网络迁移学习方法，使得在进行表观年龄数据库减弱标记噪声时得到精准度较高的表观年龄数据库，能够有效减弱标记噪声对于实验结果的影响，使其结果更具可信度。