使用卷积神经网络估算人们的年龄

在过去的几年中，研究人员创建了越来越多的基于机器学习(ML)的面部识别技术，这些技术可能具有许多有趣的应用程序，例如，增强监视监控，安全控制甚至可能是法医技术。除了面部识别之外，机器学习的进步还使得能够开发工具来通过分析人脸图像来预测或估计人的特定素质(例如性别或年龄)。

在最近的一项研究中，南非夸祖鲁-纳塔尔大学的研究人员开发了一种基于机器学习的模型，该模型可通过分析在随机现实环境中拍摄的面孔图像来估计人们的年龄。Spinger发表的一篇论文中介绍了这种新架构，并于几天前在2019年国际计算集体智能大会(ICCCI)上进行了介绍。

大多数传统的年龄分类方法仅在分析在受控环境(例如，实验室或摄影棚)中拍摄的面部图像时才能发挥良好的效果。另一方面，在真正的日常环境中拍摄的图像中，其中很少有能够估计人的年龄的。

研究人员在论文中写道：“事实证明，深度学习方法可以有效地解决这一问题，尤其是在培训和高端机器都拥有大量数据的情况下。”“鉴于此，我们提出了一种深度学习解决方案，可以根据现实生活中的面孔估算年龄。”

夸祖鲁-纳塔尔大学的研究人员团队开发了基于深度卷积神经网络(CNN)的六层架构。他们的模型经过训练，可以根据在不受控制的环境中拍摄的面部图像估算个人年龄。该架构通过学习哪些面部表情对于年龄估计最关键并专注于这些特定功能来实现此目的。

为了增强基于CNN的模型的性能，研究人员在称为IMDB-WIKI的大型数据集上进行了预训练，该数据集包含从IMDB和Wikipedia拍摄的超过50万张脸部图像，并标有每个受试者的年龄。这种最初的培训使他们能够符合他们的架构，以人脸图像内容。

随后，研究人员使用来自另外两个数据库(即MORPH-II和OUI-Adience)的图像对模型进行了调整，并对其进行了训练，以了解其特征和差异。MORPH-II包含大约70,000张带标签的面部图像，而OUI-Adience包含在理想的现实环境中拍摄的26,580张面部图像。

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！