一种基于多实例多标签深度迁移学习的人脸属性识别方法

摘要

本发明公开了一种基于多实例多标签深度迁移学习的人脸属性识别方法，包括如下步骤：准备人脸图像数据集，对每一张人脸图像，提取深度卷积神经网络迁移模型的多个神经层特征，组合成多层人脸特征；搭建提取多标签关系特征的网络模型，并以多层人脸特征为输入，多人脸属性标签为真值，训练固定网络模型参数；针对每一种人脸属性设计一个线性二元分类器，将训练好的多标签关系特征的网络模型作为特征提取器迁移至多人脸属性分类器模型，利用人脸图像数据集训练各线性二元分类器。本发明选择迁移学习的方式，将活力很强的迁移模型快速高效地的迁移至选定的数据集，并搭建训练结构简单的多标签关系特征模型，同时训练多个人脸属性的线性二元分类器。