基于残差网络人脸年龄估计.docVIP

基于残差网络人脸年龄估计 　　摘要：人脸图像年龄估计在计算机视觉领域中已经成为一项非常重要的任务，具有广泛的实际应用价值。针对非受限条件下人脸图像年龄分类困难的问题，提出了一种基于深度残差网络的非受限条件下人脸年龄分类方法。首先，具体介绍了34层残差网络的结构，并将其作为卷积神经网络模型处理人脸年龄分类问题。然后，对Adience数据集详细描述，并在此数据集上对网络训练和测试。最后，通过与现有年龄估计方法的结果进行对比，可得该文方法获得了较好的年龄分类准确度。 　　关键词：残差网络；人脸图像：年龄分类：非受限条件：Adience数据集 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）14-0169-02 　　1概述 　　人脸图像包含很多信息，如身份、表情、姿态、性别和年龄。其中，年龄是人的重要生物特征，可以应用于多种场景，如基于年龄的人机交互系统、基于年龄的访问控制、电子商务中个性营销及刑事案件侦查中的年龄过滤等n，。很多研究者在人脸图像年龄估计方面做了大量研究，早期，主要用Gabor，LBP，SFP和BIF等提取特征以及SVM方法进行年龄分类，这些人工提取特征的方法在受限条件下的人脸数据集上获得了不错的结果，但是在非受限条件下的人脸年龄分类任务中效果不佳；近几年，深度卷积神经网络（DCNN）成为了计算机视觉领域的研究热点。从5层的Le