基于深度卷积神经网络的性别识别

• 作者: 夏凯 桑高丽 赵小龙
• 来源期刊: 福建电脑
• 关键词: 深度卷积神经网络 性别识别 自主学习
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 基金项目论文
• 页码范围: 14-16
• 页数: 3页
• 字数: 3124字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2018.03.006

摘要

越来越多的应用场合需要判别人脸图像的性别信息,尤其随着近代社交平台的出现和社会多媒体技术的进一步发展,对快速、准确的自动性别判别方法需求迫切.为了解决以往性别识别方法准确率低、稳定性差的问题,本文提出基于深度卷积网络的性别识别方法.综合多个人脸数据集以及从网上搜集的各种人脸图像,设计深度卷积网络自动学习对复杂环境因素以及人脸表观诸如年龄、表情、姿态、光照等鲁棒的特征,并进行性别分类.试验结果表明,提出方法具有较好的稳定性和较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桑高丽	嘉兴学院数理与信息工程学院	5	4	1.0	1.0
2	夏凯	嘉兴学院数理与信息工程学院	2	1	1.0	1.0
3	赵小龙	嘉兴学院数理与信息工程学院	3	3	1.0	1.0