改进的VGG网络可提升年龄与性别预测准确率

来源：计算机工程与应用杂志2019年第18期北京时间：

作者：周玉阳，秦科

单位：电子科技大学 计算机科学与工程学院，成都 611731

摘要：由于深度卷积网络（Convolutional Neural Network，CNN）具有良好特征学习的性质，它得到了研究者们重点关注，并且已被广泛应用。相比较于深度CNN在物体识别与分类等任务上所达到的出色效果，其在年龄预测与人物性别识别任务上的应用还远远不能令人满意。基于公安业务背景，设计了一个深度卷积网络模型，并在证件照和Adience数据集上训练该模型，从而将其应用在人物年龄预测和性别分类上。通过基于Tensorflow的实验表明，提出的深度卷积网络模型，对人物年龄的预测准确率可达到90%以上；性别分类的准确率也达到93%以上。这明显优于现有文献中的结果。

关键词：深度卷积神经网络,年龄预测,性别分类