10.19678/j.issn.1000-3428.0057426
基于深度学习的脸部年龄预测算法
为提高脸部年龄预测的准确性,在深度学习的基础上提出一种可有效预测脸部年龄的算法.通过对人脸图像进行预处理,获取左眼、右眼、鼻子和嘴巴四个部分的局部图像,利用迁移TensorFlow深度学习库中的Inception V4模型,提取脸部图像四个部分的多尺度局部特征,并将提取的局部特征使用串联方式相连接以得到融合特征,再将不同年龄的融合特征输入双向长短期记忆中,以学习不同年龄融合特征间的相关性,进而完成年龄预测.在公开数据集FG-NET和MORPH上的实验结果表明,该算法通过利用脸部多尺度融合特征和不同年龄融合特征间的相关性,能够显著提高年龄预测的准确性和鲁棒性.
深度学习、卷积神经网络、递归神经网络、脸部图像、年龄预测
47
TP301.6(计算技术、计算机技术)
国家自然科学基金;安徽省教育厅重点项目;安徽高校协同创新项目;安徽工程大学-鸠江区产业协同创新项目;安徽工程大学科研项目
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
267-272