混合深度卷积神经网络对人脸年龄的分类 |
| |
引用本文: | 陈莉明,邓德祥.混合深度卷积神经网络对人脸年龄的分类[J].华中科技大学学报(自然科学版),2019,47(3):104-108. |
| |
作者姓名: | 陈莉明 邓德祥 |
| |
作者单位: | 武汉大学电子信息学院,湖北武汉 430072;乐山师范学院物理与电子工程学院,四川乐山 614000;武汉大学电子信息学院,湖北武汉,430072 |
| |
基金项目: | 国家自然科学基金;四川省教育厅科研项目;乐山市重点科技计划 |
| |
摘 要: | 为了提高人脸年龄分类的精度并且减少年龄分类过程所需的时间,提出了由微调深度卷积神经网络(FDCNN)和概率协同表示分类器(PCRC)构成的深度混合模型对人脸年龄分类的方法.首先,在IMDB数据集上将VGG-Face模型微调,得到一个新的深度卷积神经网络模型;然后,用该模型提取人脸图像的年龄特征,并将其送到基于概率协同表示的分类器进行年龄分类;最后,在FG-NET,MORPH和CACD数据集上对由FDCNN和PCRC构成的混合深度模型进行验证.从验证结果可知:PCRC比支持向量机(SVM)平均分类精度高出4.6%,并且对微调的深度模型倒数第二激活层输出的特征进行分类能取得更高的分类精度;与CA-SVR,DeepRank和DeepRank+相比,FDCNN和PCRC构成的混合深度模型的分类平均绝对误差分别低1.24,0.14和0.06;与由DCNN和SVM构成的分类模型相比,该混合深度模型的年龄分类精度高出3.6%.通过与VGG-Face模型各层运算时间分布对比可知该混合深度模型的分类时间大幅减少,因此混合深度卷积神经网络能很好地进行人脸年龄分类.
|
关 键 词: | 混合深度卷积神经网络 分类精度 年龄分类 微调 特征提取 |
Face age classification based on hybrid deep convolution neural network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|