論文の概要: Noise-Tolerance GPU-based Age Estimation Using ResNet-50
- arxiv url: http://arxiv.org/abs/2305.00848v1
- Date: Wed, 26 Apr 2023 16:38:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 16:02:14.131373
- Title: Noise-Tolerance GPU-based Age Estimation Using ResNet-50
- Title（参考訳）: ResNet-50を用いた耐雑音性GPUによる年代推定
- Authors: Mahtab Taheri, Mahdi Taheri, and Amirhossein Hadjahmadi
- Abstract要約: UTKFaceデータセットにディープ残差ニューラルネットワークを実装した。
入力データに15dBのノイズを注入した場合,実装ネットワークの性能は1.5%以下であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The human face contains important and understandable information such as
personal identity, gender, age, and ethnicity. In recent years, a person's age
has been studied as one of the important features of the face. The age
estimation system consists of a combination of two modules, the presentation of
the face image and the extraction of age characteristics, and then the
detection of the exact age or age group based on these characteristics. So far,
various algorithms have been presented for age estimation, each of which has
advantages and disadvantages. In this work, we implemented a deep residual
neural network on the UTKFace data set. We validated our implementation by
comparing it with the state-of-the-art implementations of different age
estimation algorithms and the results show 28.3% improvement in MAE as one of
the critical error validation metrics compared to the recent works and also
71.39% MAE improvements compared to the implemented AlexNet. In the end, we
show that the performance degradation of our implemented network is lower than
1.5% when injecting 15 dB noise to the input data (5 times more than the normal
environmental noise) which justifies the noise tolerance of our proposed
method.
- Abstract（参考訳）: 人間の顔には、個人のアイデンティティ、性別、年齢、民族など、重要で理解可能な情報が含まれている。
近年では、顔の重要な特徴の一つとして年齢が研究されている。
年齢推定システムは、顔画像の提示と年齢特性の抽出と、これらの特徴に基づいて正確な年齢または年齢群の検出の2つのモジュールの組み合わせからなる。
これまでのところ、年齢推定には様々なアルゴリズムが提案されており、それぞれに長所と短所がある。
本研究では,utkfaceデータセット上に深い残留ニューラルネットワークを実装した。
我々は,様々な年齢推定アルゴリズムの最先端実装と比較し,その実装を検証し,最近の作業と比較した限界誤差検証指標の1つとしてmaeを28.3%改善し,実装したalexnetと比較して71.39%改善した。
その結果,提案手法の耐雑音性を正当化する入力データに15dbの雑音を注入する場合(通常の環境騒音の5倍),実装ネットワークの性能劣化が1.5%未満であることが判明した。
関連論文リスト
- Age Prediction From Face Images Via Contrastive Learning [1.7705784090599048]
我々は、異なる年齢の異なる人物の容易に利用可能な顔データセットを活用し、コントラスト学習を用いて年齢に関連する特徴を抽出することを目的としている。
提案手法は,コサイン類似度とトリプルトマージン損失の組合せを用いて,同一性に関連する特徴を抑えながら,関連する特徴を強調した。
論文 参考訳（メタデータ） (2023-08-23T03:43:34Z) - SwinFace: A Multi-task Transformer for Face Recognition, Expression
Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。
複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。
実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
論文 参考訳（メタデータ） (2023-08-22T15:38:39Z) - A Demographic Attribute Guided Approach to Age Estimation [4.215251065887862]
本研究は,顔属性の補助情報を活用し,属性誘導モジュールを用いた新しい年齢推定手法を提案する。
UTKFace, LAP2016, Morphの3つの公開データセットによる実験結果から, 提案手法は, 他の最先端手法と比較して優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2022-05-20T15:34:47Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-25T09:05:44Z) - 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) - using multiple losses for accurate facial age estimation [6.851375622634309]
本稿では,分類に基づく手法と比較して,年齢推定をシンプルかつ効果的に行う手法を提案する。
CVPR Chalearn 2016データセット上での年齢-粒度-ネットフレームワークの有効性を検証し,提案手法が個々の損失と比較して予測誤差を低減できることを示す。
論文 参考訳（メタデータ） (2021-06-17T11:18:16Z) - PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。
このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。
実験により,既存の (c) GANs 法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-12-07T05:45:13Z) - 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 FaceChannel: A Fast & Furious Deep Neural Network for Facial
Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。
私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。
我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文 参考訳（メタデータ） (2020-09-15T09:25:37Z) - Learning Expectation of Label Distribution for Facial Age and
Attractiveness Estimation [65.5880700862751]
本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。
軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。
提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
論文 参考訳（メタデータ） (2020-07-03T15:46:53Z)
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。