2^B3^C：用于卷积网络性别分类的人脸图像双框三裁剪方法
计算机视觉与模式识别
2018-03-07 v1
摘要
在本文中，我们利用深度学习解决人脸图像的性别分类问题。我们的卷积神经网络（CNN）采用 VGG-16 架构 [1]，并在 ImageNet 上预训练以进行图像分类。我们提出的方法（2^B3^C）首先检测人脸图像中的人脸，将检测到的人脸边界扩大 50%，用双框三裁剪方案（左、中、右裁剪）裁剪人脸，并提取裁剪方案上的 CNN 预测。我们方法的 CNN 在带有性别标注的 Adience 和 LFW 上进行了微调。我们通过在 Adience 上达到 90.8% 的分类准确率、在 LFW 数据集上取得具竞争力的 95.3% 分类准确率来展示方法的有效性。此外，为检验方法的真实能力，我们的性别分类系统在考虑实时场景的 GPU 上帧率为 7-10 fps（每秒帧数）。
引用
@article{arxiv.1803.02181,
title = {2^B3^C: 2 Box 3 Crop of Facial Image for Gender Classification with Convolutional Networks},
author = {Vandit Gajjar},
journal= {arXiv preprint arXiv:1803.02181},
year = {2018}
}
备注
8 Pages, 7 Figures, Submitted to IEEE Computer Society Biometrics 2018 workshop in conjuction with CVPR 2018