基于人脸图像的二阶段性别分类算法

摘要

许多现实场景要求准确的脸部性别识别.深度卷积神经网络在正常状况下取得好的准确率,适用于大规模分类任务,但存在模型可解释性差、易丢失细节信息等问题,并且光照、姿势、表情等因素带来的不确定性会导致分类准确率较低.提出一种基于阴影集的二级分类模型.采用深度卷积神经网络对大规模图像集进行一阶段分类;结合阴影集理论,将图像分类结果划分为接收域、拒绝域和不确定域,得到不确定的脸部图像集,用传统方法进行二阶段分类.在LFW数据集和Adience数据集下,与现有先进算法相比,所提方法能有效地提高总体分类的准确率.