年龄识别之AgeNet
论文:AgeNet: Deeply Learned Regressor and Classifier for Robust Apparent Age Estimation
ICCV2015
论文提出了一种基于人脸的年龄识别网络AgeNet。该网络同时基于分类和回归对年龄进行预测,然后将2个分支的特征进行融合,得到更好的预测结果。并且在ChaLearn 2015 Apparent Age Competition 取得了最好的结果。
主要贡献:
- 提出了端到端的年龄识别方案AgeNet,并且了融合了回归和分类2个模。训练过程中,分别基于年龄数值进行回归,基于年龄的高斯分布作为label进行分类。
- 为了减少小数据上的过拟合,使用了迁移学习的策略。
- 取得了ICCV2015 Looking at People Challenge - Track 1 Apparent Age Estimation 第一名的成绩
整体网络结构:
使用的主干网络结构为GoogLeNet ,
网络结构的修改包括,去掉多余的2个loss层。在每一个Relu操作之前,增加BN操作,去除所有的dropout。
Label制作:
年龄的训练标签,可以使用下面3种方式表示。
(1)1-dimension real-value encoding,就是使用具体的一维数值表示
(2)0/1 encoding,使用one-hot形式表示
(3)Label distribution encoding,基于分布表示,
j表示按照时间顺序的年龄,比如0到85,
y表示标签,
σ 表示label的标准差,
最终标签分布如下,
Loss函数:
回归,
分类,
训练流程:
首先使用CASIA-WebFace 进行人脸识别训练。然后使用CACD ,Morph-II ,WebFaceAge 进行真实年龄的微调。最后使用Morph-II 进行表面年龄的微调。
人脸预处理:
(1)Face Detection 人脸检测
(2)Facial Landmark Localization 人脸关键点定位,包括左眼中心,右眼中心,鼻子尖,嘴巴左角,嘴巴右角。
(3)Face Normalization 人脸标准化,论文采用了基于外部(Exterior )和内部(Interior )的2种人脸标准化方法。
基于Exterior 的方法,既包括了外部的信息,也包括了全面的纹理信息。
基于organs 的方法,仅仅包括了内部的人脸五官。
2种方法都将人脸归一化到256*256大小。
集成学习:
(1)模型集成Model Ensemble ,将分类和回归进行集成。
(2)人脸模板集成Face Template Ensemble,采用不同的人脸标准化方法,不同的crop大小。
实验结果:
年龄识别之AgeNet相关推荐
- 用OpenCV和深度学习进行年龄识别
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|机器学习算法那些事 在本教程中,您将学习如何使用OpenC ...
- opencv 计数后不动了 训练模型时_用OpenCV和深度学习进行年龄识别
在本教程中,您将学习如何使用OpenCV,深度学习和Python执行年龄的自动识别/预测. 学完本教程后,您将能够以相当高的精确度去自动预测静态图像文件和实时视频中的人物年龄. 要了解如何使用Open ...
- opencv 计数后不动了 训练模型时_用OpenCV,深度学习和Python进行年龄识别
(给Python编程开发加星标,提升编程技能.) 在本教程中,您将学习如何使用OpenCV,深度学习和Python执行年龄的自动识别/预测. 学完本教程后,您将能够以相当高的精确度去自动预测静态图像文 ...
- 深度学习(十四)基于CNN的性别、年龄识别
CNN应用之性别.年龄识别 原文地址:http://blog.csdn.net/hjimce/article/details/49255013 作者:hjimce 一.相关理论 本篇博文主要讲解201 ...
- 基于CNN的性别、年龄识别及Demo实现
一.相关理论 本篇博文主要讲解2015年一篇paper<Age and Gender Classification using Convolutional Neural Networks> ...
- 人脸年龄估计matlab,基于人脸的年龄识别系统设计与实现
内容介绍 原文档由会员 小丑88 发布 基于人脸的年龄识别系统设计与实现 1.36万字 自己原创的毕业论文,已经通过校内系统检测,重复率低,仅在本站独家出售,大家放心下载使用 摘 要 本文分析了年龄估 ...
- 实时人脸性别和年龄识别
age-gender-estimation项目给出了使用keras进行性别和年龄识别的完整流程 数据 采用的数据集为imdb-wiki,这是一个包含 20,284名人的460,723张以及维基百科上i ...
- OpenCV进阶(8)性别和年龄识别
在本教程中,我们将讨论深度学习应用于人脸的一个有趣应用.我们将估计年龄并从单个图像中找出人的性别.我们将简要讨论本文的主要思想,并提供有关如何在 OpenCV 中使用该模型的分步说明.我们将使用 Op ...
- 使用Eric构建Caffe应用程序-Baby年龄识别
训练好的Caffe网络结构,可以固定下来,直接载入程序作为数据库接口使用.本文使用Eric构建运行于Python环境下的图片识别应用程序,因为Eric使用QT作为GUI,且有Python的接口,可直接 ...
- 毕业设计 基于深度学习的人脸性别年龄识别 - 图像识别 opencv
文章目录 0 前言 1 课题描述 课题意义 2 实现效果 3 算法实现原理 3.1 数据集 3.2 深度学习识别算法 3.3 特征提取主干网络 3.4 总体实现流程 4 具体实现 4.1 预训练数据格 ...
最新文章
- Mysql按周,按月,按日,按小时分组统计数据
- 0基础java应聘_不想搞Java了,6年经验去面试10分钟结束,现在Java面试为这么难...
- 杭电1203java实现
- 20190608笔试题のCSS-属性继承
- K近邻算法与K均值算法的区别
- 「 C++ 通讯 」“Socket通信原理(TCP/IP)”研究
- NGINX配置ftp目录
- 新浪微博开发平台地址 http://open.weibo.com/
- 新冠病毒研究进展:维生素D或许能挽救新冠患者
- aiohttp 高并发web服务_python后台——asyncio,aiohttp入门教程,多进程+asyncio
- VB读取武林外传内存地址
- jetson nano如何拓展磁盘空间
- ER图练习(住院病人信息管理系统)
- 计算机专业选修课怎么选比较好,你知道怎么选AP课程吗?附AP不同专业方向的选课建议...
- dsa数字签名c语言编程,实验三DSA数字签名算法
- 设计模式之--迭代器模式
- 什么是 Ubuntu?
- fatal: No url found for submodule path ‘xxx‘ in .gitmodule
- SDNU 1017 (冒泡排序法)
- dell 7040m 黑苹果_感受下价值三千多的移动硬盘:Dell移动Thunderbolt? 3固态硬盘
热门文章
- ‘’三门问题‘’详解以及python验证
- 微信支付“下单账号和支付账号不一致,请核实后再支付”
- hypervisor详解
- UBUNTU-16.04.07和PREEMPT_RT日志
- IGV变异可视化设置要点
- js Qrcode.js实现文字内容通过二维码展示
- 面向数据中心,浪潮存储双剑出鞘
- 【ICPC-457】数学笔记
- 安卓投屏软件_免费领取15天懒人听书会员+安卓美食菜谱整合app+安卓乐播投屏+办公软件幕布405天免费领取...
- 毕业设计 : 题目:基于深度学习的水果识别 设计 开题 技术