Estimation de l'âge et du genre dans des conditions réelles avec l'architecture Deep RoR

La prédiction automatique de la tranche d'âge et du sexe à partir d'images faciales acquises dans des conditions non contrôlées est une tâche importante et difficile dans de nombreuses applications réelles. Cependant, les méthodes conventionnelles utilisant des caractéristiques conçues manuellement sur des benchmarks en conditions réelles sont insatisfaisantes en raison de leur incapacité à gérer les grandes variations présentes dans les images non contrôlées. Cette difficulté est atténuée dans une certaine mesure grâce aux Réseaux Neuronaux Convolutifs (CNN) pour leur représentation puissante des caractéristiques. Dans cet article, nous proposons une nouvelle méthode basée sur les CNN pour l'estimation de la tranche d'âge et du sexe, en exploitant les Réseaux Résiduels de Réseaux Résiduels (RoR), qui montrent une meilleure capacité d'optimisation pour la classification par tranche d'âge et par sexe que d'autres architectures CNN. De plus, deux mécanismes modestes basés sur l'observation des caractéristiques des tranches d'âge sont présentés pour améliorer davantage les performances de l'estimation de l'âge. Afin d'améliorer encore les performances et d'atténuer le problème de surapprentissage, le modèle RoR est pré-entraîné sur ImageNet en premier lieu, puis il est affiné sur l'ensemble de données IMDB-WIKI-101 pour apprendre davantage les caractéristiques des images faciales. Enfin, il est utilisé pour affiner l'apprentissage sur l'ensemble de données Adience. Nos expériences illustrent l'efficacité de la méthode RoR pour l'estimation de l'âge et du sexe en conditions réelles, où elle obtient de meilleures performances que d'autres méthodes CNN. Finalement, le modèle RoR-152 + IMDB-WIKI-101 avec les deux mécanismes atteint des résultats nouveaux états de l'art sur le benchmark Adience.