一种基于CNN-SE-ELM的年龄和性别识别模型

• 作者: 陈文兵 李育霖 陈允杰
• 来源期刊: 计算机工程与科学
• 关键词: 卷积神经网络 极限学习机 SENet网络 年龄分类 性别分类
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图形与图像
• 页码范围: 872-882
• 页数: 11页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2021.05.014

摘要

基于人脸图像识别年龄及性别是当前人工智能研究的热点之一.提出一种综合卷积神经网络CNN、挤压-激励网络SENet及极限学习机ELM的混合模型.模型中的卷积层用于从人脸图像中提取面部特征,SENet层用于优化卷积层提取的特征,误差最小化极限学习机(EM-ELM)用作分类器以实现面部图像的年龄及性别识别.与现有的流行模型相比,所提模型由于采用了CNN+SENet架构能够从面部图像中提取到更具代表性及最优的特征映射,而EM-ELM的极速计算使得模型更快速、更高效.在多个非限制人脸数据集上的实验结果表明,相比近期其他基于深度学习的相关模型,所提模型具有更高的识别准确率和更快的识别速度.