基于深度学习服装识别的非洲性别分类
计算机视觉与模式识别
2025-03-04 v1 人工智能
摘要
人体属性识别与分类在计算机视觉中至关重要，推动了创新识别系统的发展。传统性别分类方法主要依赖面部识别，虽然有效，但在模糊、侧视或部分遮挡等非理想条件下表现不佳。本研究探索了一种替代方法，即利用服装识别，特别是聚焦于具有文化意义和性别特定特征的非洲传统服饰。我们使用了 AFRIFASHION1600 数据集，该数据集包含 1,600 张非洲传统服装图像，分为男性和女性两个类别。基于改进的 VGG16 架构并采用迁移学习训练的深度学习模型被开发用于分类。数据增强被应用于应对数据集规模较小带来的挑战并缓解过拟合。该模型在测试集上实现了 87% 的准确率，在女性样本占优的数据集不平衡条件下仍展现出较强的预测能力。这些发现突显了基于服装的识别作为面部识别补充技术在非洲语境下性别分类中的潜力。未来研究应聚焦于扩展和平衡数据集以增强分类鲁棒性并提升基于服装的性别识别系统的适用性。
引用
@article{arxiv.2503.00058,
title = {African Gender Classification Using Clothing Identification Via Deep Learning},
author = {Samuel Ozechi},
journal= {arXiv preprint arXiv:2503.00058},
year = {2025}
}
备注
3 Pages, 10 Figures