تخمین سن و جنسیت افراد با روش CNN مبتنی بر دیتاست UTKFace

امروزه موضوع استفاده از تخمین سن و جنسیت از روی ویژگی های چهره یک زمینه مطالعاتی رو به رشد با طیف گستردهای از کاربردها شامل شناسایی افراد، کنترل دسترسی ، تعامل انسان و ماشین و پزشکی قانونی است .منحصر به فرد بودن ویژگی های چهره انسان مانند بینی ، دهان، چشم ها و چین و چروکها ، آنها را به یک ویژگی ضروری برای هر فردی تبدیل می کند. تخمین سن بر اساس ویژگی ها با ظهور روشهای یادگیری عمیق و شبکه های عصبی کانولوشن (CNN) عملکرد برتری نسبت به روشهای دیگر از خود نشان دادهاند. در این مقاله با بکارگیری این روش در تخمین سن و جنسیت افراد مبتنی بر دیتاست UTKFace سعی شده است تا نحوه عملکرد این روش در استخراج ویژگی های چهره و دسته بندی آنان صورت گیرد. شبیه سازی در سه سناریو مختلف صورت گرفته است که نتایج نشان می دهد بکارگیری این روش در استفاده از خصوصیت های تصویر به همراه ویژگی های چهره عملکرد قابل توجه ای دارد. در نهایت مزایا و معایب این روش با روشهای کلاسیک مرسوم مقایسه شده است .

تخمین سن و جنسیت افراد با روش CNN مبتنی بر دیتاست UTKFace Keywords:

تخمین سن و جنسیت , دیتاست UTKFace , روش شبکه های عصبی کانولوشن (CNN) , ویژگی های چهره.