Введение 4
Обзор литературы 7
Постановка задачи 9
Глава 1. Нейронные сети 10
1.1. Некоторые теоретические выкладки о нейронных сетях 10
1.2. Обучение нейронных сетей 12
1.3. VGG-Face 15
Глава 2. Построение и обучение нейронных сетей 16
2.1. Математическая постановка задачи 16
2.2. Выбор базы фотографий 17
2.3. Предобработка данных 18
2.4. Подготовка рабочей среды 19
2.5. Определение пола 19
2.6. Предсказание пола и возраста одним классификатором 20
2.7. Определение возраста регрессией без разделения по ген­дерному признаку 22
2.8. Определение возраста классификацией без разделения по гендерному признаку 23
2.9. Определение возраста классификацией с разделением по гендерному признаку 24
2.10. Определение возраста регрессией с разделением по гендер­ному признаку 27
Глава 3. Анализ полученных результатов 28
3.1. Результаты вычислительных экспериментов 28
3.2. Сравнение моделей 29
Выводы 30
Заключение 31
Список использованных источников 32
Приложение А. Существующие решения задачи 35
Приложение Б. Архитектура сети VGG-Face 38
Приложение С. Базы фотографий лиц людей 40
Купить

Возраст и пол человека играют важнейшую роль в социальной жизни индивида и в его взаимодействии с другими людьми. Например, в зависи­мости от возрастной группы человека во многих языках меняется форма обращения к нему.
Определение пола и возраста является популярной задачей машин­ного обучения, и в настоящий момент существуют различные подходы к ее решению [7, 12]. Решение данной задачи имеет множество практических приложений. К примеру, появляется возможность быстрого принятия ре­шения о допуске лиц на мероприятие, имеющее возрастной ценз, или на продажу им некоторых товаров. В области маркетинга и анализа статисти­ки сегментирование посещений по социально-демографическому признаку позволяет лучше понять состояние рынка и предпочтения пользователей.
Рассмотрим подробнее некоторые возможные методы решения дан­ной задачи:
1. Методы, основанные на активной модели внешнего вида (AAA) - группа статистических методов, оценивающая визуальные возраст­ные особенности. Учитываются как главные особенности, такие как глаза, рот, нос и подбородок, так и вторичные, например, морщи­ны. На основе различий этих особенностей у лиц разных возрастных групп строится модель внешнего вида.
2. Mean-Variance Loss [17] - метод, который рассматривает целевую пе­ременную как распределение вероятностей по возрастным и гендер­ным классам. Функция потерь состоит из комбинации перекрестной энтропии, квадрата отклонения среднего значения распределения от целевой переменной и стандартного отклонения полученного распре­деления вероятности. В результате подход позволяет уменьшить раз­брос предсказания и повысить среднюю точность.
3. SSR-Net [21] - компактная сеть с мягкой поэтапной регрессией для оценки возраста. Иерархическая структура позволяет использовать простые и быстрые нейронные сети.
4. Кроме нейронных сетей, для определения пола и возраста приме­няются и другие методы машинного обучения, например Random Forest [19]. В задаче классификации метод определяет целевой класс как наиболее распространенный предсказанный класс среди всех де­ревьев. Что касается регрессии, то целевая переменная определятся как среднее значение среди всех деревьев.
5. Модель типа CaffeModel - данное решение представлено в статье «По­нимание и сравнение глубоких нейронных сетей для классификации по возрасту и полу». Модель решает задачу классификации. Возраст­ной диапазон поделен на определенные промежутки, каждый из ко­торых является отдельным классом.
Перечисление работ, содержащих описание решения данной задачи приведено в Приложении А. На данный момент нет ответа на вопрос, какая методология прогнозирования пола и возраста является лучшей. В этом исследовании мы будем работать именно с нейросетевыми моделями.
Распознавание пола человека по фотографии относится к задаче би­нарной классификации. Предсказание возраста - это регрессионная зада­ча, но мы решим ее и как задачу классификации, путем группировки по различным возрастным диапазонам. В качестве основы для решения по­ставленных задач используем предобученную сверточную нейронную сеть.
Областью исследования являются нейронные сети. Предмет исследо­вания - изображения лиц людей.
В данной работе предстоит решить такие проблемы как: выбор наи­лучшей предобученной сети, подходящей для распознавания пола и воз­раста; поиск базы фотографий; разработка и обучение нейронных сетей; тестирование и сравнение полученных моделей; анализ результатов.
В работе приведен обзор литературы по изучаемой теме и сформу­лированы цель и задачи исследования. В первой главе представлены неко­торые теоретические сведения по сверточным нейронным сетям, сделан выбор архитектуры сети, которая станет основой последующих моделей. Вторая глава посвящена подготовке данных и обучению нейронных се­тей. В третьей главе представлены полученные результаты проведенных вычислительных экспериментов, выполнено сравнение моделей. В разделе «Выводы» проводится анализ полученных результатов. В заключении под­ведены итоги проведенной работы.
Купить