计算机科学与探索

作者：杨晨旭, 蔡克参, 张红云, 苗夺谦

单位：同济大学 计算机科学与技术系，上海 201804

关键词：性别识别,卷积神经网络（CNN）,阴影集,不确定域

许多现实场景要求准确的脸部性别识别。深度卷积神经网络在正常状况下取得好的准确率，适用于大规模分类任务，但存在模型可解释性差、易丢失细节信息等问题，并且光照、姿势、表情等因素带来的不确定性会导致分类准确率较低。提出一种基于阴影集的二级分类模型。采用深度卷积神经网络对大规模图像集进行一阶段分类；结合阴影集理论，将图像分类结果划分为接收域、拒绝域和不确定域，得到不确定的脸部图像集，用传统方法进行二阶段分类。在LFW数据集和Adience数据集下，与现有先进算法相比，所提方法能有效地提高总体分类的准确率。

来源：2021年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第3期