基于耳部与侧面人脸图像的多模态年龄与性别分类
计算机视觉与模式识别
2019-07-25 v1
摘要
本文提出了用于年龄与性别分类的多模态深度神经网络框架，其输入为侧面人脸图像与耳部图像。我们的主要目标是通过额外利用一种有前景的生物特征模态——耳部外观，来提升从侧面人脸图像中提取软生物特征属性的精度。为此，我们提供了端到端的多模态深度学习框架。我们通过采用数据级、特征级和分数级融合，探索了不同的多模态策略。为增强深度神经网络的表征与判别能力，我们借助域自适应，并在softmax损失之外引入了中心损失。我们在UND-F、UND-J2和FERET数据集上进行了大量实验。实验结果表明，侧面人脸图像包含丰富的年龄与性别分类信息。我们发现所提出的多模态系统取得了非常高的年龄与性别分类准确率。此外，与当前最先进的基于侧面人脸图像或耳部图像的年龄与性别分类方法相比，我们获得了更优的结果。
引用
@article{arxiv.1907.10081,
title = {Multimodal Age and Gender Classification Using Ear and Profile Face Images},
author = {Dogucan Yaman and Fevziye Irem Eyiokur and Hazım Kemal Ekenel},
journal= {arXiv preprint arXiv:1907.10081},
year = {2019}
}
备注
8 pages, 4 figures, accepted for CVPR 2019 - Workshop on Biometrics