search

foamliu / Age-and-Gender

同时识别年龄与性别
78 stars 24 forks source link

readme

同时识别年龄与性别

基于PyTorch 实现多任务学习，在同时识别年龄与性别。

数据集

IMDB-WIKI 数据集，460,723张图片。

image

这里为简洁只使用 IMDB 数据集。

年龄分布：

460723张照片为平衡每个年龄最多只保存5000张，清洗后得到163065张，按年龄分布作图：

image

用法

数据预处理

提取163065张图片：

$ python pre_process.py

训练

$ python train.py

准确度比较

|图片大小|网络|性别准确度(验证集)|年龄MAE(验证集)|年龄损失函数|批量大小|Loss|年龄权重|

|---|---|---|---|---|---|---|---|---| |1|112x112|ResNet-18|90.756%|5.710|回归(L1Loss)|32|0.9757|0.1| |2|224x224|ResNet-18|90.887%|5.694|回归(L1Loss)|32|0.9719|0.1| |3|112x112|ResNet-18|90.140%|5.986|回归(L2Loss)|32|1.121|0.01| |4|224x224|ResNet-18|90.064%|8.475|分类(交叉熵)|32|TBD|TBD| |5|224x224|ResNet-50|90.034%|TBD|分类(交叉熵)|32|TBD|TBD|

Demo

下载预训练的模型 Link，执行：

$ python demo.py

效果图如下：

原图 校准 识别 标注
image image 性别：女, 年龄：29 性别：女, 年龄：24
image image 性别：女, 年龄：29 性别：男, 年龄：26
image image 性别：男, 年龄：34 性别：男, 年龄：49
image image 性别：女, 年龄：29 性别：女, 年龄：29
image image 性别：男, 年龄：36 性别：女, 年龄：23
image image 性别：男, 年龄：29 性别：男, 年龄：15
image image 性别：男, 年龄：34 性别：男, 年龄：32
image image 性别：男, 年龄：42 性别：男, 年龄：42
image image 性别：男, 年龄：36 性别：女, 年龄：31
image image 性别：男, 年龄：39 性别：男, 年龄：59