一种基于CNN-SE-ELM的年龄和性别识别模型

摘要：

基于人脸图像识别年龄及性别是当前人工智能研究的热点之一.提出一种综合卷积神经网络CNN、挤压-激励网络SENet及极限学习机ELM的混合模型.模型中的卷积层用于从人脸图像中提取面部特征,SENet层用于优化卷积层提取的特征,误差最小化极限学习机(EM-ELM)用作分类器以实现面部图像的年龄及性别识别.与现有的流行模型相比,所提模型由于采用了CNN+SENet架构能够从面部图像中提取到更具代表性及最优的特征映射,而EM-ELM的极速计算使得模型更快速、更高效.在多个非限制人脸数据集上的实验结果表明,相比近期其他基于深度学习的相关模型,所提模型具有更高的识别准确率和更快的识别速度.

关键词：卷积神经网络、极限学习机、SENet网络、年龄分类、性别分类

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;北极阁基金

在线出版日期：2021-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：872-882