Mar, 2024

从野外面部图像中的年龄和性别分类的混合 Transformer-Sequencer 方法

PDF
TL;DR该论文旨在通过结合自注意力和双向 LSTM 方法，提出了一个混合模型来解决年龄和性别分类问题，并与现有的先进模型进行对比，结果显示该模型在年龄和性别分类方面分别比先前的模型提高了约 10% 和 6%，表现更好，具有更广泛的学习能力，可应用于各种图像处理和计算机视觉问题中。
computer visionimage processingface analysisage classificationgender classification
发现论文，激发创造
  • 使用注意力卷积网络从人脸图像中预测年龄和性别

    本文提出了一种基于注意力网络和残差卷积网络集成的深度学习框架，可以高精度地预测面部图像的性别和年龄组，并通过可视化模型的注意图证明其能够敏锐地监测到面部适当部位，同时，在多任务学习方面得到了不错的成果。

    Oct, 2020

  • 基于 CNN 特征的年龄与性别分类的可迁移性如何？

    通过使用深度卷积神经网络模型，对于人脸图像中的年龄和性别的识别，使用特征相似的 VGG-Face 模型提高了 7% 和 4.5% 的准确性，同时比使用特定任务的 GilNet 模型表现更佳。

    Oct, 2016

  • 深度神经网络在年龄和性别分类中的理解和比较

    本研究使用四种不同的神经网络模型，并研究了不同的人脸对齐方法对模型的影响。研究证明，适当的参数初始化和简单的预处理步骤可以提高性别识别的表现。

    Aug, 2017

  • 使用 Transformer 进行基于 Twitter 的性别识别

    本文提出基于 transformers 的模型，从社交媒体用户的图像和推文中预测其性别，从而解决性别信息不公开的问题，同时，图像分类和文本分类模型能够相互支持，提高整体分类准确率。

    Apr, 2022

  • 基于注意力 LSTM 网络的野外细粒度年龄估计

    本文提出了一种基于我们的注意力长短期记忆（AL）网络的新方法，结合残差网络（ResNets）或者嵌套残差网络（RoR）模型和 LSTM 单元，以提取面部图像的局部细节特征，从而改善在野外的面部图像的年龄估计准确度，实验结果表明，该方法比所有其他卷积神经网络在野外的年龄估计的表现都更好。

    May, 2018

  • Text2Gender: 分析博客作者年龄和性别的深度学习架构

    本文通过深度学习技术在 NLP 领域中实现对个体写作文本进行性别和年龄预测，主要采用了基于 BERT 的监督分类方法，并基于一个包含 681284 行数据的数据集进行研究和比较，结果表明，该方法能够更有效、精确地对文本数据进行分类，达到了 84.2% 的年龄组预测的拟合精度和 86.32% 的性别预测拟合精度，是一项具有广泛适用性的研究。

    May, 2023

  • 基于图卷积神经网络和多头注意力机制的年龄估计

    年龄估计技术是人脸识别的一部分，通过对游戏中的用户进行身份验证，实现了青少年防沉迷系统的开发和应用。本文提出了一种新的建模思想，使用图卷积网络（GCN）从非规则人脸图像中有效地提取特征，并添加了多头注意力机制以避免冗余特征并捕获图像中的关键区域信息，从而显著提高了年龄估计的准确性并降低了 MAE 误差值，进而提高了人脸识别和身份验证的准确性。

    Oct, 2023

  • 本地深度神经网络用于年龄和性别分类

    本文介绍了一种简化的本地深度神经网络方法，通过仅使用 9 个覆盖整个面部区域的重叠图像块，降低了训练时间，同时性能略有降低，试验表明眼部区域有助于性别识别，口部和眼睛区域对年龄识别有用。

    Mar, 2017

  • 使用卷积神经网络进行性别分类的 2 个盒子 3 个裁剪的面部图像

    本文提出了一种利用深度学习方法在人脸图像中进行性别识别的方法，并在性别注释的 Adience 和 LFW 数据集上进行了 fine-tuning，最终在 Adience 和 LFW 上的分类精度分别达到了 90.8% 和 95.3%，并能够在 GPU 上以每秒 7-10 帧的速度运行。

    Mar, 2018

  • 寿命年龄转换合成

    该论文介绍了一种基于多域图像生成对抗网络的单张图片年龄进退展方法，其学习的潜在空间模拟了一个连续的双向老化过程。该框架可从一张照片中预测 0-70 岁的完整头像，改变头部的纹理和形状，这取得了显著的改进。

    Mar, 2020