Une approche hybride Transformer-Sequencer pour la classification de l'âge et du sexe à partir d'images faciales dans des conditions réelles

Les progrès réalisés dans les techniques de vision par ordinateur et de traitement d'images ont conduit à l'émergence de nouvelles applications dans le domaine de la surveillance visuelle, de la publicité ciblée, de la recherche basée sur le contenu et de l'interaction homme-machine, entre autres. Parmi les différentes techniques en vision par ordinateur, l'analyse faciale a particulièrement attiré l'attention. Plusieurs études précédentes ont tenté d'explorer les différentes applications du traitement des caractéristiques faciales pour diverses tâches, notamment la classification par âge et par sexe. Cependant, malgré plusieurs études antérieures ayant abordé ce problème, la classification par âge et par sexe des visages humains dans des conditions réelles est encore loin d'atteindre les niveaux de précision requis pour les applications en milieu réel.Cet article vise donc à combler cette lacune en proposant un modèle hybride qui combine les approches d'auto-attention (self-attention) et de BiLSTM pour résoudre les problèmes de classification par âge et par sexe. Les performances du modèle proposé sont comparées à celles de plusieurs modèles d'avant-garde déjà proposés. Une amélioration d'environ 10% et 6% est observée pour la classification par âge et par sexe, respectivement, par rapport aux implémentations d'avant-garde existantes. Le modèle proposé est ainsi jugé offrir des performances supérieures et une généralisation plus robuste. Il peut donc être utilisé comme composant central de classification dans divers problèmes de traitement d'images et de vision par ordinateur.