年龄估计

摘要： 随着年龄的增长,人脸的形状、纹理等特征会随之发生较明显的改变从而造成显著的类内干扰,这使得人脸识别的性能大大降低.为了解决上述问题,本文基于深度卷积神经网络将年龄估计任务和人脸识别任务相结合,提出了一种抗年龄干扰的人脸识别新方法AD-CNN(Age decomposition convolution neural network),首先将卷积块注意力模型(Convolutional block attention module,CBAM)嵌入到残差网络中以学习更具有代表性的面部特征,随后利用线性回归指导年龄估计任务,提取出年龄干扰因子,通过多层感知机将整个面部特征与年龄干扰特征投影到同一线性可分空间,最后从面部稳定的特征中将年龄干扰分离,得到与年龄无关的面部特征,并采用改进后的角度损失函数基于年龄无关的身份特征进行人脸识别任务,从而达到抑制年龄干扰的目的.本文在MORPH和FGNET数据集上的识别正确率分别达到了98.93%,和90.0%,充分证实了本文所提方法的先进性和有效性.

摘要： 越来越多的未成年人沉迷于手机游戏,但是目前主流的防沉迷系统并不能起到很好的防沉迷效果.为解决这一问题,基于当前流行的深度学习方法,提出结合人脸身份识别技术和年龄估计技术判断登录者是否成年,在此基础上,为防范未成年人使用成年人的照片、录像骗过摄像头,采用活体检测技术提高系统的可靠性.在人脸身份识别方面,准确率达到97.3％;在年龄估计方面,准确率达到75.02％;在活体检测方面,准确率达到78.8％、1～off值达到98.22％.

摘要： 人脸图像年龄估计在社交媒体、零售业务和学术研究等各个领域都具有重要的研究意义。ResNet网络是解决深度网络结构退化问题的一种成熟算法,本文使用ResNet50网络对人脸图像的年龄估计模型进行训练。首先,使用ResNet50网络在大型数据集ImageNet上进行模型预训练;其次,在数据集morph2上训练模型;最后,在数据集morph1上进行模型测试。实验结果表明,ResNet50网络在数据集morph1和morph2上获得较高的估计精度。

摘要： 人脸年龄估计(face age estimation)作为一种新兴的生物特征识别技术,是计算机视觉中一个经典的学习问题.基于生成对抗网络(generative adversarial network,GAN)强大的数据生成能力,提出了一种利用年龄编辑改进年龄估计的方法,并通过分阶段联合训练年龄编辑网络StarGAN和年龄估计软阶段回归网络(soft stagewise regression network,SSR-Net),扩增适用于年龄估计的训练数据.实验证明,在非受限条件下,该方法取得了年龄估计较好的结果.

摘要： 为了进一步从人脸图像中提高年龄估计的精度,提出一种基于深度学习与有向无环图支持向量机(SVM)的局部调整年龄估计算法.在训练阶段,首先将经过VGGFace2数据集预训练的SE-ResNet-50网络进行微调,并在收敛时提取全连接层,将其首尾相连形成的向量作为表征并训练得到多个one-versus-oneSVM;在测试阶段,先将待估计人脸图像送入SE-ResNet-50以得到一个较为粗略的年龄估计值,然后设定具体邻域,最后将训练而成的SVM组合为一个有向无环图SVM并以全局估计值为中心进行精准的年龄估计.为了表明算法的普适性,在不同种族的MORPH和AFAD图像集中进行了实验,结果验证了算法的有效性.

摘要： 为了进一步从人脸图像中提高年龄估计的精度,提出一种基于深度学习与有向无环图支持向量机(SVM)的局部调整年龄估计算法。在训练阶段,首先将经过VGGFace2数据集预训练的SE-ResNet-50网络进行微调,并在收敛时提取全连接层,将其首尾相连形成的向量作为表征并训练得到多个one-versus-one SVM;在测试阶段,先将待估计人脸图像送入SE-ResNet-50以得到一个较为粗略的年龄估计值,然后设定具体邻域,最后将训练而成的SVM组合为一个有向无环图SVM并以全局估计值为中心进行精准的年龄估计。为了表明算法的普适性,在不同种族的MORPH和AFAD图像集中进行了实验,结果验证了算法的有效性。

摘要： 人脸图像年龄估计在社交媒体、零售业务和学术研究等各个领域都具有重要的研究意义.ResNet网络是解决深度网络结构退化问题的一种成熟算法,本文使用ResNet50网络对人脸图像的年龄估计模型进行训练.首先,使用ResNet50网络在大型数据集ImageNet上进行模型预训练;其次,在数据集morph2上训练模型;最后,在数据集morph1上进行模型测试.实验结果表明,ResNet50网络在数据集morph1和morph2上获得较高的估计精度.

摘要： 人脸年龄估计(face age estimation)作为一种新兴的生物特征识别技术,是计算机视觉中一个经典的学习问题.基于生成对抗网络(generative adversarial network,GAN)强大的数据生成能力,提出了一种利用年龄编辑改进年龄估计的方法,并通过分阶段联合训练年龄编辑网络StarGAN和年龄估计软阶段回归网络(soft stagewise regression network,SSR-Net),扩增适用于年龄估计的训练数据.实验证明,在非受限条件下,该方法取得了年龄估计较好的结果.

摘要： 人脸图像的年龄估计关键步骤在于提取特征,但各种复杂因素的影响诸如生长地域、生活习惯、遗传基因等,均会使得最终的估计结果值产生偏差,为此提出一种双特征融合模型来刻画人脸由于年龄变化而产生的不同特征,将梯度直方图(HOG)和局部二值模式(LBP)共同作为特征描述算子进行特征提取,再将二者进行特征融合,构成更为精确的年龄估计模型,随后采用支持向量回归的方法得到年龄回归函数.将所提实验在人脸数据集上,结果表明该模型可以快速且较为准确地对人脸图像进行年龄估计,较之于单独提取HOG特征,可将年龄估计的平均误差缩小0.7岁,较之于单独提取LBP特征可将年龄估计的平均误差缩小1.2岁,且该融合模型对幼儿期至青少年期的年龄估计表现效果最佳,平均估计误差在3.91岁;成年至中年期效果其次,平均估计误差在4.41岁;老年阶段人脸的平均估计误差为5.80岁.

摘要： 本文提出了一种能够有效提高年龄估计准确率的新方法。该方法以“HMAX”生物特征模型为基础，并融合了DCT信息。该方法首先利用Gabor滤波器组提取人脸图像中的生物摹本特征，并对图像中的不同区域进行DCT变换，取DCT系数作为特征。本文方法的理论基础在于，DCT系数包含了空间频率信息，而人眼对不同频率的信息敏感程度也不同，因此选择能量比率较大的DCT系数作为特征，可以有效提高年龄估计的识别率。为验证该方法的有效性，在公开的FG-NET年龄数据库上进行实验，并和其他方法做了对比。实验结果表明，该方法能够有效的提高年龄估计的准确率。

摘要： 本发明提供了属性估计系统和的方法，其中，没有估计精度在特定的数值区域中降低的情况，并且提供了使用该属性估计系统和方法的年龄估计系统、性别估计系统与年龄和性别估计系统。其是用于估计在输入图像中被拍摄的人的年龄的系统，该系统包括：分类器3，其根据输入图像的数据来将人的年龄估计为离散量；分类器4，其根据输入图像的数据来将人的年龄估计为连续量；以及，结合单元7，其结合分类器3的估计结果和分类器4的估计结果。

摘要： 本申请实施例提供了一种年龄估计模型的训练方法、年龄估计方法以及对应的装置，该训练方法包括：获取训练样本，各样本为标注有对应的年龄标签的人脸图像；确定各样本的年龄标签所对应的年龄标签分布；基于样本以及年龄标签分布，对年龄估计模型进行训练，直至年龄估计模型的总损失函数收敛；其中，总损失函数包括分布损失函数和回归损失函数，分布损失函数表征了样本的年龄标签分布和预测年龄分布的差异，回归损失函数表征了样本的年龄标签和预测年龄值的差异。基于本申请实施例所提供的方案，能够有效提供年龄预测的准确性，更好的满足了实际应用需求。

摘要： 本发明公开了一种半监督人脸年龄估计装置。该装置训练方法为：步骤1、获取人脸图片数据集，并进行图像特征提取；步骤2、对有年龄标记的每一幅人脸图片，为其初始化年龄分布，并作为训练集；步骤3、利用当前训练集训练LBFGS‑LLD模型，并对所有图片进行年龄分布预测；步骤4、计算无年龄标记人脸图片的伪年龄；步骤5、将所有图片进行年龄分组，优化求解各年龄组所对应的方差，并用得到的方差更新相应年龄组内人脸图片的年龄分布；步骤6、以更新后的所有图片作为新的训练集，转步骤3；直至满足迭代终止条件。本发明还公开了基于该装置的半监督人脸年龄估计方法。本发明仅需使用少量有年龄标记人脸图片结合更多的无年龄标记人脸图片，即可获得更好的年龄估计精度。

摘要： 提供了能够减少年龄估计所用的对图像数据进行加标签的劳动的年龄估计装置、年龄估计方法和年龄估计程序。用于估计拍摄成图像数据中的人的年龄的年龄估计装置包括：维度压缩装置，用于对图像数据应用维度压缩以输出低维度数据；分簇装置用于对所输出的低维度数据执行分簇；加标签装置用于对已分簇的低维度数据中的每个簇的代表性数据加标签；以及识别装置用于利用包含在已加标签的低维度数据和未加标签的低维度数据中的特征量基于学习结果来估计人的年龄。

摘要： 本发明提供了属性估计系统和方法，其中，没有估计精度在特定的数值区域中降低的情况，并且提供了使用该属性估计系统和方法的年龄估计系统、性别估计系统与年龄和性别估计系统。其是用于估计在输入图像中被拍摄的人的年龄的系统，该系统包括：分类器3，其根据输入图像的数据来将人的年龄估计为离散量；分类器4，其根据输入图像的数据来将人的年龄估计为连续量；以及，结合单元7，其结合分类器3的估计结果和分类器4的估计结果。

摘要： 本申请提出一种估计生理年龄的线性融合模型训练、年龄估计方法和装置，涉及数据处理技术领域，其中，方法包括：获取用户的时序年龄样本和身体质量指数样本；获取用户的动态序列值样本，对动态序列值样本进行多阶计算，获取动态序列特征值样本；将时序年龄样本、身体质量指数样本和动态序列特征值样本组合成待融合向量，并获取用户的疾病标签向量；根据预设损失函数、待融合向量和疾病标签向量进行训练估计生理年龄的线性融合模型。由此，生成的线性融合模型可以对多维度用户数据进行线性融合得到生理年龄，使生理年龄与疾病间的相关程度最大化，提高生理年龄估计的准确性和效率。

摘要： 本发明提供了一种年龄估计方法、年龄估计模型的训练方法及装置，该方法包括：获取包含有目标对象的待处理图像；将该待处理图像输入至预先训练完成的年龄估计模型中；通过该年龄估计模型的分类网络输出待处理图像对应的年龄分类结果，通过该年龄估计模型的回归网络输出待处理图像对应的年龄回归结果；基于年龄分类结果和年龄回归结果确定目标对象的年龄。该方式在通过年龄估计模型估计目标对象的年龄时，可以对待处理图像进行分类处理得到年龄分类结果，对待处理图像进行回归处理得到年龄回归结果，并根据年龄分类结果和年龄回归结果确定目标对象的年龄，这种分类回归相集成的方式提高了年龄估计的精度。

摘要： 本发明提供了一种年龄估计方法、年龄估计模型的训练方法和装置，该方法包括：获取包含有人脸的待处理图像；将待处理图像输入至年龄估计模型中得到输出结果；基于输出结果确定人脸对应的年龄估计结果；该年龄估计模型基于预设样本组中多个样本的年龄标签之间的年龄距离，和年龄估计模型输出的多个样本的样本特征之间的特征距离，通过机器学习训练得到。该方式通过年龄估计模型对待处理图像中的人脸进行年龄估计，得到人脸对应的年龄；该年龄估计模型在训练过程中可以学习到年龄距离与特征距离之间的关系，并可根据年龄距离对特征距离进行约束，使得模型学习到的特征更具判别力且符合年龄变化的客观规律，从而提高了模型估计年龄的精确度。

摘要： 本发明提供了一种年龄估计方法、年龄估计模型的训练方法及装置，该方法包括：获取包含有人脸的多帧视频帧，该多帧视频帧具有时序性；将每帧视频帧依次输入至预先训练完成的年龄估计模型中，得到与每帧视频帧对应的输出结果，该年龄估计模型用于：按照输入的多帧视频帧的时序，对于除第一帧以外的每帧视频帧，根据当前视频帧的特征以及当前视频帧之前的视频帧的特征，确定当前视频帧的输出结果；基于多帧视频帧的输出结果确定人脸的年龄。该方式在对视频中人脸对应的人的年龄进行估计时，可以融合不同时刻的视频帧的特征，使得年龄估计模型提取到富含更加全面的时序特征信息，从而可以提高年龄估计的准确度和稳定性。

摘要： 本申请实施例提供了一种年龄估计模型的训练方法、年龄估计方法以及对应的装置，该训练方法包括：获取训练样本，各样本为标注有对应的年龄标签的人脸图像；确定各样本的年龄标签所对应的年龄标签分布；基于样本以及年龄标签分布，对年龄估计模型进行训练，直至年龄估计模型的总损失函数收敛；其中，总损失函数包括分布损失函数和回归损失函数，分布损失函数表征了样本的年龄标签分布和预测年龄分布的差异，回归损失函数表征了样本的年龄标签和预测年龄值的差异。基于本申请实施例所提供的方案，能够有效提供年龄预测的准确性，更好的满足了实际应用需求。