論文の概要: Age and Gender Prediction From Face Images Using Attentional Convolutional Network

• arxiv url: http://arxiv.org/abs/2010.03791v2
• Date: Mon, 7 Dec 2020 20:06:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 11:48:38.695082
• Title: Age and Gender Prediction From Face Images Using Attentional Convolutional Network
• Title（参考訳）: 注意畳み込みネットワークを用いた顔画像からの年齢・性別予測
• Authors: Amirali Abdolrashidi, Mehdi Minaei, Elham Azimi, Shervin Minaee
• Abstract要約: 注意的・残差畳み込みネットワークのアンサンブルに基づく深層学習の枠組みを提案し,高い精度で顔画像の性別と年齢を推定する。 我々のモデルは、一般的な顔年齢と性別のデータセットに基づいて訓練され、有望な結果を得た。
• 参考スコア（独自算出の注目度）: 6.3344832182228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic prediction of age and gender from face images has drawn a lot of attention recently, due it is wide applications in various facial analysis problems. However, due to the large intra-class variation of face images (such as variation in lighting, pose, scale, occlusion), the existing models are still behind the desired accuracy level, which is necessary for the use of these models in real-world applications. In this work, we propose a deep learning framework, based on the ensemble of attentional and residual convolutional networks, to predict gender and age group of facial images with high accuracy rate. Using attention mechanism enables our model to focus on the important and informative parts of the face, which can help it to make a more accurate prediction. We train our model in a multi-task learning fashion, and augment the feature embedding of the age classifier, with the predicted gender, and show that doing so can further increase the accuracy of age prediction. Our model is trained on a popular face age and gender dataset, and achieved promising results. Through visualization of the attention maps of the train model, we show that our model has learned to become sensitive to the right regions of the face.
• Abstract（参考訳）: 近年,顔画像からの年齢・性別の自動予測が注目されている。 しかし、顔画像(照明、ポーズ、スケール、閉塞など)のクラス内での大きなバリエーションのため、既存のモデルは依然として望まれる精度のレベルに留まっており、現実のアプリケーションでこれらのモデルを使用するのに必要である。 本研究では,高精度で顔画像の性別・年齢グループを予測するために,注意と残差の畳み込みネットワークの合体に基づくディープラーニングフレームワークを提案する。 注意機構を用いることで、我々のモデルは顔の重要かつ情報的な部分に焦点を合わせることができ、より正確な予測を行うのに役立つ。 マルチタスク学習の方法でモデルをトレーニングし,年齢分類器の機能埋め込みを性別で強化することで,年齢予測の精度をさらに高めることができることを示す。 私たちのモデルは、一般的な顔年齢と性別データセットでトレーニングされ、有望な結果を得ました。 列車模型のアテンションマップの可視化により、我々のモデルは、顔の正しい領域に敏感になるように学習されていることを示す。

関連論文リスト

• A Hybrid Transformer-Sequencer approach for Age and Gender classification from in-wild facial images [1.7556999242499645]
  本稿では,年齢と性別の分類問題に対する自己意識とBiLSTMアプローチを組み合わせたハイブリッドモデルを提案する。 提案モデルでは, 年齢と性別の分類のための最先端実装に比べて, 約10%, 6%の改善が注目されている。
  論文  参考訳（メタデータ） (2024-03-19T06:40:06Z)
• MiVOLO: Multi-input Transformer for Age and Gender Estimation [0.0]
  最新の視覚変換器を用いた年齢・性別推定手法であるMiVOLOを提案する。 本手法は両タスクを統合された二重入力/出力モデルに統合する。 モデルの年齢認識性能を人間レベルの精度と比較し、ほとんどの年齢範囲で人間よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-10T14:58:10Z)
• DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generation Models [73.12069620086311]
  テキスト・ツー・イメージ・モデルの視覚的推論能力と社会的バイアスについて検討する。 まず,物体認識,物体カウント,空間的関係理解という3つの視覚的推論スキルを計測する。 第2に、生成した画像の性別/肌の色調分布を測定することにより、性別と肌のトーンバイアスを評価する。
  論文  参考訳（メタデータ） (2022-02-08T18:36:52Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Face Age Progression With Attribute Manipulation [11.859913430860335]
  FAWAM (Face Age Progression with Attribute Manipulation) を提唱する。 タスクをボトムアップ方式で,顔年齢の進行と顔属性の操作という2つのサブモジュールとして扱う。 顔の老化には、年齢に応じた顔の変化をモデル化できるピラミッド生成対向ネットワークを備えた属性意識型顔の老化モデルを用いる。
  論文  参考訳（メタデータ） (2021-06-14T18:26:48Z)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• Enhance Gender and Identity Preservation in Face Aging Simulation for Infants and Toddlers [10.447210000352847]
  本研究では,CAAE(Conditional Adversarial Autoencoder)モデルに触発された新しいディープラーニング手法を提案する。 UTKFaceデータセットを用いてモデルをトレーニングし,男性1,156名,女性1,207名,幼児1,207名を対象に,100年間の老化をシミュレートした。
  論文  参考訳（メタデータ） (2020-11-15T01:40:36Z)
• Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
  本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
  論文  参考訳（メタデータ） (2020-11-11T16:43:32Z)
• The FaceChannelS: Strike of the Sequences for the AffWild 2 Challenge [80.07590100872548]
  AffWild2データセットの表情から、私たちの小さなモデルがどのように感情情報を予測できるかを示す。 本稿では、FaceChannelニューラルネットワークの異なるバージョンをベンチマークするもう1つの章を示す。
  論文  参考訳（メタデータ） (2020-10-04T12:00:48Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。