基于深度卷积神经网络的性别识别

作     者：夏凯 赵小龙 桑高丽 

作者机构：嘉兴学院数理与信息工程学院浙江嘉兴314001 

基　　金：嘉兴学院校级重点SRT计划项目(批准号:SRT2017B056) 浙江省自然科学基金项目(批准号:LQ18F020007)资助 

出 版 物：《福建电脑》 (Journal of Fujian Computer)

年 卷 期：2018年第34卷第3期

页      码：14-16页

摘      要：越来越多的应用场合需要判别人脸图像的性别信息,尤其随着近代社交平台的出现和社会多媒体技术的进一步发展,对快速、准确的自动性别判别方法需求迫切。为了解决以往性别识别方法准确率低、稳定性差的问题,本文提出基于深度卷积网络的性别识别方法。综合多个人脸数据集以及从网上搜集的各种人脸图像,设计深度卷积网络自动学习对复杂环境因素以及人脸表观诸如年龄、表情、姿态、光照等鲁棒的特征,并进行性别分类。试验结果表明,提出方法具有较好的稳定性和较高的准确率。

主 题 词：深度卷积神经网络 性别识别 自主学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16707/j.cnki.fjpc.2018.03.006

馆 藏 号：203284578...