Распознавание пола и возраста по видеоизображению лица на основе сверточных нейронных сетей

Харчевникова Ангелина Сергеевна; Савченко Андрей Владимирович

Глава

Распознавание пола и возраста по видеоизображению лица на основе сверточных нейронных сетей

С. 864-869.

Харчевникова А. С., Савченко А. В.

Рассматривается задача построения интеллектуальных систем контекстной рекламы с автоматической настройкой на потенциальные предпочтения пользователя. Выполнен аналитический обзор современных публикаций, посвященных распознаванию пола и возраста по видеоизображению лица, в том числе на основе глубоких сверточных нейронных сетей. Проведен сравнительный анализ способов агрегации решений, полученных при распознавании каждого видеокадра. Приведены результаты экспериментального исследования их точности и быстродействия.

Язык: русский

Полный текст (PDF, 529 Кб)

Ключевые слова: сверточные нейронные сети распознавание пола и возраста коллективы решающих правил

Публикация подготовлена по результатам проекта: Разработка и апробация эффективных методов классификации для больших баз мультимедийных данных(2017)

В книге

Материалы XXIII международной научно-технической конференции «Информационные системы и технологии-2017»

2017.

The Video-Based Age and Gender Recognition with Convolution Neural Networks

Savchenko A., Kharchevnikova Angelina S. In bk.: Computational Aspects and Applications in Large-Scale Networks. Springer Proceedings in Mathematics & Statistics. Vol. 247. Springer, 2018. P. 37-46.

Добавлено: 2 сентября 2018

Выбор параметров алгоритма распознавания изображений на основе коллектива решающих правил и принципа максимума апостериорной вероятности

Савченко А. В. Компьютерная оптика. 2012. Т. 36. № 1. С. 117-124.

Ставится и решается задача выбора параметров алгоритма автоматического распознавания изображений путём построения коллектива решающих правил на основе принципа максимума апостериорной вероятности. Выполнен строгий синтез критерия выбора параметров для информационного рассогласования Кульбака-Лейблера и современного алгоритма распознавания SIFT (Scale-Invariant Feature Transform). Представлены программа и результаты экспериментального исследования в задаче идентификации личности по фотографии лица для известных баз данных (Yale, AT&T). Показано, что применение предложенного критерия позволяет добиться точности распознавания, сравнимой с точностью наилучшего набора параметров, причём не только для рассогласования Кульбака-Лейблера, но и для других популярных расстояний (метрика Евклида, расхождение Кульбака).

Добавлено: 9 июня 2012

Извлечение предпочтений пользователя на основе методов автоматического порождения текстовых описаний изображений фотоальбома

Харчевникова А. С., Савченко А. В. Компьютерная оптика. 2020. Т. 44. № 4. С. 618-626.

В работе рассматривается задача извлечения предпочтений пользователя по его фотоальбому. Предложен новый подход на основе автоматического порождения текстовых описаний фотографий и последующей классификации таких описаний. Проведен анализ известных методов создания аннотаций по изображению на основе свёрточных и рекуррентных (Long short-term memory) нейронных сетей. С использованием набора данных Google’s Conceptual Captions обучены новые модели, в которых объединяются характерные признаки фотографии и выходы блока рекуррентной нейронной сети. Исследовано применение алго- ритмов обработки текстов для преобразования полученных аннотаций в пользовательские предпочтения. Проведены экспериментальные исследования с помощью наборов данных Microsoft COCO Captions, Flickr8k и специально собранного набора данных, отражающего интересы пользователя. Показано, что наилучшее качество определения предпочтений достигается с помощью методов поиска ключевых слов и суммаризации текстов из Watson API, которые оказываются на 8 % точнее по сравнению с традиционным латентным размещением Дирихле. При этом описания, порожденные с помощью обученных моделей, классифицируются на 1 – 7 % точнее известных аналогов.

Добавлено: 16 сентября 2020

Multi-label Image Set Recognition in Visually-Aware Recommender Systems

Demochkin K., Savchenko A. In bk.: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Lecture Notes in Computer Science, Revised Selected Papers. Vol. 11832. Cham: Springer, 2019. Ch. 26. P. 291-297.

Добавлено: 22 декабря 2019

Fast inference in convolutional neural networks based on sequential three-way decisions

Savchenko A. Information Sciences. 2021. Vol. 560. P. 370-385.

Добавлено: 25 февраля 2021