基于深度卷积神经网络的人脸年龄分类

• 作者: 李超琪 王绍宇
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 年龄分类
• 年，卷（期）: 2017,（3）
• 页码范围: 17-20
• 页数: 4页
• 分类号: TP391.4
• 字数: 3799字
• 语种: 中文

摘要

人脸包含了较多的可区分生物特征信息,这些信息除了可用于身份认证和识别外,还可用于人脸年龄分类等应用.为克服人脸所表征年龄信息会受到复杂的非线性因素例如个体的基因差异、居住环境、健康情况和种族差别等因素的影响,本文使用深度卷积神经网络,通过设计一系列的卷积、池化、全连接和归一化层,对人脸的年龄进行了有效地分类.本算法能克服传统SVM分类算法不能有效处理人脸图像和实际年龄间复杂的非线性关系而带来的准确率下降问题,在FG-NET人脸数据测试集上达到了94.4％的准确率,能有效地应用在安防、人机交互和娱乐影音等领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王绍宇	东华大学计算机科学与技术学院	12	76	4.0	8.0
2	李超琪	东华大学计算机科学与技术学院	2	6	2.0	2.0