基于深度学习与随机森林的人脸年龄与性别分类研究

被引：28

作者：

董兰芳

张军挺

机构：

[1] 中国科学技术大学计算机科学与技术学院

来源：

计算机工程 | 2018年 / 44卷 / 05期

关键词：

年龄估计; 性别识别; 深度卷积神经网络; 微调训练; 随机森林;

D O I：

10.19678/j.issn.1000-3428.0046059

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

为提高在非限制性环境下的人脸年龄估计与性别识别准确率,提出一种基于深度卷积神经网络的人脸特征提取方法。通过采用一般到特殊的微调方案,在大规模数据集上进行人脸识别预训练得到的VGG-Face模型,运用该模型在CelebA人脸属性数据集上对其中5个属性进行微调训练,得到人脸属性模型,将网络全连接层特征进行连接作为人脸特征向量。使用随机森林分类器在Adience数据集上进行训练和测试,利用随机森林方法处理高维的数据,选出对年龄与性别分类较重要的特征。实验结果表明,该方法能够克服复杂光照、姿态变化的影响,准确地对自然场景下的人脸进行年龄估计和性别识别。

引用

页码：246 / 251

页数：6

共 8 条

[1]

Learning local binary patterns for gender classification on real-world face images.[J].Caifeng Shan.Pattern Recognition Letters.2011, 4

[2]

Age estimation using a hierarchical classifier based on global and local facial features.[J].Sung Eun Choi;Youn Joo Lee;Sung Joo Lee;Kang Ryoung Park;Jaihie Kim.Pattern Recognition.2010, 6

[3]

Boosting Sex Identification Performance.[J].Shumeet Baluja;Henry A. Rowley.International Journal of Computer Vision.2006, 1

[4]

Random forests [J].