基于人脸图像的二阶段性别分类算法

作     者：杨晨旭 蔡克参 张红云 苗夺谦 YANG Chenxu;CAI Kecan;ZHANG Hongyun;MIAO Duoqian

作者机构：同济大学计算机科学与技术系上海201804 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2021年第15卷第3期

页      面：524-532页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61573255,61976158,61673301) 国家重点研发计划(213) 

主　　题：性别识别 卷积神经网络(CNN) 阴影集 不确定域 

摘      要：许多现实场景要求准确的脸部性别识别。深度卷积神经网络在正常状况下取得好的准确率,适用于大规模分类任务,但存在模型可解释性差、易丢失细节信息等问题,并且光照、姿势、表情等因素带来的不确定性会导致分类准确率较低。提出一种基于阴影集的二级分类模型。采用深度卷积神经网络对大规模图像集进行一阶段分类;结合阴影集理论,将图像分类结果划分为接收域、拒绝域和不确定域,得到不确定的脸部图像集,用传统方法进行二阶段分类。在LFW数据集和Adience数据集下,与现有先进算法相比,所提方法能有效地提高总体分类的准确率。