基于深度CNN的迁移学习在性别识别与年龄估计中的应用
计算机视觉与模式识别
2018-11-20 v1
摘要
在本项目中，使用具有预训练权重的竞赛获胜深度神经网络进行基于图像的性别识别和年龄估计。通过测试各种设计方案和训练参数变化的影响，利用VGG19和VGGFace预训练模型探索迁移学习，以提高预测精度。比较了输入标准化、数据增强和标签分布年龄编码等训练技术。最后，测试了一种深度CNN层级结构，先按性别对受试者分类，再使用独立的男性和女性年龄模型预测年龄。实现了98.7%的性别识别准确率和4.1年的MAE。本文表明，通过恰当的训练技术，可以通过重新调配现有卷积滤波器用于新目的而获得良好结果。
引用
@article{arxiv.1811.07344,
title = {Transfer Learning with Deep CNNs for Gender Recognition and Age Estimation},
author = {Philip Smith and Cuixian Chen},
journal= {arXiv preprint arXiv:1811.07344},
year = {2018}
}
备注
It has been accepted in the 5th National Symposium for NSF REU Research in Data Science, Systems, and Security