10.19678/j.issn.1000-3428.0046059
基于深度学习与随机森林的人脸年龄与性别分类研究
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.
年龄估计、性别识别、深度卷积神经网络、微调训练、随机森林
44
TP391(计算技术、计算机技术)
2018-11-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
246-251