基于深度学习的年龄估计与性别分类用于精准广告
计算机视觉与模式识别
2025-07-25 v1
摘要
本文提出了一种新颖的深度学习方法，用于从面部图像中同时进行年龄和性别分类，以增强精准广告活动的效果。我们提出了一种自定义卷积神经网络(CNN)架构，针对两项任务进行优化，利用面部特征中年龄和性别信息之间的内在相关性。与许多现有方法常独立处理这些任务不同，我们的模型学习共享表征，从而实现更好的性能。该网络在大型多样化面部图像数据集上进行训练，数据经过精心预处理，以确保对光照、姿态和图像质量变化的鲁棒性。我们的实验结果显示，性别分类准确率显著提高，达到95%，年龄估计的平均绝对误差为5.77年。关键的是，我们分析了不同年龄组的性能，确定了对年轻个体年龄估计准确性具有挑战的具体环节。这一分析揭示了针对这些偏差进行有针对性数据增强和模型细化的必要性。此外，我们探讨了不同CNN架构和超参数设置对整体性能的影响，为未来研究提供了宝贵的见解。
引用
@article{arxiv.2507.18565,
title = {Deep Learning-Based Age Estimation and Gender Deep Learning-Based Age Estimation and Gender Classification for Targeted Advertisement},
author = {Muhammad Imran Zaman and Nisar Ahmed},
journal= {arXiv preprint arXiv:2507.18565},
year = {2025}
}
备注
6