基于改进CNN的年龄和性别识别

来源：计算机工程与应用杂志2018年第16期北京时间：

作者：陈济楠1，李少波1，2，高 宗1，李政杰1，杨 静1

单位：1.贵州大学 现代制造技术教育部重点实验室，贵阳 550025；2.贵州大学 机械工程学院，贵阳 550025

摘要：人脸图像的年龄和性别识别是人脸分析的重要任务，在真实多变场景下完成识别依然面临挑战。改进深度卷积神经网络（Convolutional Neural Network，CNN），将首层大尺寸卷积核替换为级联3[×]3卷积核；采用跨连卷积层融合中层和高层抽象特征；加入Batch Normalization（BN）层，设置较高的学习率和较小的Dropout比率；采用1[×]1卷积核与全局平均池化（Global Average Pooling）取代全连接层。实验表明，所提方法与主流的年龄性别识别方法比较具有较好的识别率，在Adience数据集上，年龄识别精度达到89.8%，性别识别精度达到93.3%。

关键词：深度学习,卷积神经网络,年龄分类,性别识别