تقدير الفئة العمرية والجنس في البيئة الطبيعية باستخدام هندسة RoR العميقة

التنبؤ تلقائيًا بفئة العمر والجنس من صور الوجوه الملتقطة في ظروف غير محددة هو مهمة مهمة وصعبة في العديد من التطبيقات الحقيقية. ومع ذلك، فإن الأساليب التقليدية التي تعتمد على الخصائص المصممة يدويًا في مقاييس البيئة الطبيعية غير مرضية بسبب عدم قدرتها على التعامل مع التباينات الكبيرة في الصور غير المحددة. يتم تخفيف هذه الصعوبة إلى حد ما من خلال شبكات العصبونات التلافيفية (CNN) نظرًا لقدرتها القوية على تمثيل الخصائص. في هذا البحث، نقترح طريقة جديدة تعتمد على شبكات العصبونات التلافيفية لتقدير فئة العمر والجنس باستخدام شبكات البواقي من شبكات البواقي (RoR)، والتي تظهر قدرة أفضل على التحسين لتصنيف فئة العمر والجنس مقارنة بالهياكل الأخرى لشبكات العصبونات التلافيفية. بالإضافة إلى ذلك، تم تقديم آليتين متواضعين مستندتين إلى ملاحظة خصائص فئة العمر لتحسين أداء تقدير العمر بشكل أكبر. للتحسين أكثر وتخفيف مشكلة الانطباع الزائد، يتم تدريب نموذج RoR أولًا على ImageNet، ثم يتم ضبطه دقيقًا على مجموعة بيانات IMDB-WIKI-101 لتعلم المزيد من خصائص صور الوجوه، وأخيرًا يتم استخدامه لضبطه دقيقًا على مجموعة بيانات Adience. توضح تجاربنا فعالية طريقة RoR في تقدير العمر والجنس في البيئة الطبيعية، حيث حققت أداءً أفضل من باقي أساليب CNN. وأخيرًا، حقق النموذج RoR-152+IMDB-WIKI-101 مع الآليتين الجديدان أفضل النتائج الحالية على مقاييس Adience.