基于改进CNN的年龄和性别识别

作者：陈济楠; 李少波; 高宗; 李政杰; 杨静

来源：计算机工程与应用, 2018, 54(16): 135-175.

• 深度学习
• 卷积神经网络
• 年龄分类
• 性别识别

人脸图像的年龄和性别识别是人脸分析的重要任务,在真实多变场景下完成识别依然面临挑战。改进深度卷积神经网络(Convolutional Neural Network,CNN),将首层大尺寸卷积核替换为级联3×3卷积核;采用跨连卷积层融合中层和高层抽象特征;加入Batch Normalization(BN)层,设置较高的学习率和较小的Dropout比率;采用1×1卷积核与全局平均池化(Global Average Pooling)取代全连接层。实验表明,所提方法与主流的年龄性别识别方法比较具有较好的识别率,在Adience数据集上,年龄识别精度达到89.8%,性别识别精度达到93.3%。

• 单位
  贵州大学