计算机工程

作者：张亮亮, 张明艳, 程凡永, 周鹏

单位：安徽工程大学 安徽省电气传动与控制重点实验室, 安徽 芜湖 241000

关键词：深度学习,卷积神经网络,递归神经网络,脸部图像,年龄预测

基金：国家自然科学基金（61976005）；安徽省教育厅重点项目（KJ2019A0149）；安徽高校协同创新项目（GXXT-2020-070）；安徽工程大学-鸠江区产业协同创新项目（2021cyxta2）；安徽工程大学科研项目（Xjky02201903，2017YQQ010，2017YQQ011）。

为提高脸部年龄预测的准确性，在深度学习的基础上提出一种可有效预测脸部年龄的算法。通过对人脸图像进行预处理，获取左眼、右眼、鼻子和嘴巴四个部分的局部图像，利用迁移TensorFlow深度学习库中的Inception V4模型，提取脸部图像四个部分的多尺度局部特征，并将提取的局部特征使用串联方式相连接以得到融合特征，再将不同年龄的融合特征输入双向长短期记忆中，以学习不同年龄融合特征间的相关性，进而完成年龄预测。在公开数据集FG-NET和MORPH上的实验结果表明，该算法通过利用脸部多尺度融合特征和不同年龄融合特征间的相关性，能够显著提高年龄预测的准确性和鲁棒性。

来源：2021年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第5期