在本教程中,我们将讨论应用于面部的深度学习的有趣应用。我们将估计年龄并从单个图像中找出该人的性别。该模型由Gil Levi和Tal Hassner训练。我们将简要讨论本文的主要思想,并提供有关如何在OpenCV中使用该模型的分步说明。
1.使用CNN的性别和年龄分类
作者使用了一种非常简单的卷积神经网络架构,类似于CaffeNet和AlexNet。该网络使用3个卷积层,2个完全连接的层和最终的输出层。层的细节如下。
Conv1:第一个卷积层有96个内核大小为7的节点。
Conv2:第二个conv层有256个节点,内核大小为5。
Conv3:第三个转换层有384个节点,内核大小为3。
两个完全连接的层各有512个节点。
他们使用Adience数据集来训练模型。
1.1 性别预测
他们将性别预测定为分类问题。性别预测网络中的输出层是softmax类型,其中2个节点指示两个类“男性”和“女性”。
1.2 年龄预测
理想情况下,年龄预测应该作为回归问题来处理,因为我们期望将实数作为输出。但是,使用回归准确估计年龄具有挑战性。甚至人类也无法根据一个人的情况准确预测年龄。但是,我们知道他们是20岁还是30多岁。由于这个原因,将这个问题构建为一个分类问题是明智的,我们试图估计这个人所处的年龄组。例如,0-2范围内的年龄是单个类别,4-6是另一个类别上课等。
Adience数据集有8个类别,分为以下年龄组[(0 – 2),(4 – 6),(8 – 12),(15 – 20),(25 – 32),(38 – 43),( 48 – 53),(60 – 100)]。因此,年龄预测网络在最终softmax层中具有8个节点,指示所述年龄范围。
应该记住,单个图像的年龄预测不是一个很容易解决的问题,因为感知年龄取决于很多因素,同一年龄的人在世界各地可能看起来很不一样。此外,人们非常努力地隐藏自己的真实年龄!
例如,你能猜出这两位知名人士的年龄吗?
Narendra Modi是68岁,Ajit Doval是74岁!想象一下机器正确预测其年龄有多难。
2.代码教程
代码可以分为四个部分:
- 检测面孔
- 检测性别
- 检测年龄
- 显示输出
注意:请下载未随代码一起提供的模型权重文件(性别,年龄)。下载文件并将其与本文提供的其他代码文件一起保存。
下载代码后,您可以使用提供的示例图像或使用网络摄像头运行代码。
1 2 |
#Using sample image ./AgeGender sample1.jpg |
1 2 |
#Using sample image python AgeGender.py --input sample1.jpg |
最终代码在文末!
2.1检测脸部
我们将使用DNN人脸检测器进行人脸检测。该型号仅为2.7MB,即使在CPU上也非常快。关于脸部检测装置的更多细节可以在我们的博客上找到的人脸检测。使用函数getFaceBox完成面部检测,如下所示。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 |
tuple<Mat, vector<vector<int>>> getFaceBox(Net net, Mat &amp;frame, double conf_threshold) { Mat frameOpenCVDNN = frame.clone(); int frameHeight = frameOpenCVDNN.rows; int frameWidth = frameOpenCVDNN.cols; double inScaleFactor = 1.0; Size size = Size(300, 300); // std::vector<int> meanVal = {104, 117, 123}; Scalar meanVal = Scalar(104, 117, 123); cv::Mat inputBlob; cv::dnn::blobFromImage(frameOpenCVDNN, inputBlob, inScaleFactor, size, meanVal, true, false); net.setInput(inputBlob, "data"); cv::Mat detection = net.forward("detection_out"); cv::Mat detectionMat(detection.size[2], detection.size[3], CV_32F, detection.ptr<float>()); vector<vector<int>> bboxes; for(int i = 0; i < detectionMat.rows; i++) { float confidence = detectionMat.at<float>(i, 2); if(confidence > conf_threshold) { int x1 = static_cast<int>(detectionMat.at<float>(i, 3) * frameWidth); int y1 = static_cast<int>(detectionMat.at<float>(i, 4) * frameHeight); int x2 = static_cast<int>(detectionMat.at<float>(i, 5) * frameWidth); int y2 = static_cast<int>(detectionMat.at<float>(i, 6) * frameHeight); vector<int> box = {x1, y1, x2, y2}; bboxes.push_back(box); cv::rectangle(frameOpenCVDNN, cv::Point(x1, y1), cv::Point(x2, y2), cv::Scalar(0, 255, 0),2, 4); } } return make_tuple(frameOpenCVDNN, bboxes); } |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
def getFaceBox(net, frame, conf_threshold=0.7): frameOpencvDnn = frame.copy() frameHeight = frameOpencvDnn.shape[0] frameWidth = frameOpencvDnn.shape[1] blob = cv.dnn.blobFromImage(frameOpencvDnn, 1.0, (300, 300), [104, 117, 123], True, False) net.setInput(blob) detections = net.forward() bboxes = [] for i in range(detections.shape[2]): confidence = detections[0, 0, i, 2] if confidence > conf_threshold: x1 = int(detections[0, 0, i, 3] * frameWidth) y1 = int(detections[0, 0, i, 4] * frameHeight) x2 = int(detections[0, 0, i, 5] * frameWidth) y2 = int(detections[0, 0, i, 6] * frameHeight) bboxes.append([x1, y1, x2, y2]) cv.rectangle(frameOpencvDnn, (x1, y1), (x2, y2), (0, 255, 0), int(round(frameHeight/150)), 8) return frameOpencvDnn, bboxes |
2.2 预测性别
我们将性别网络加载到内存中,并通过网络传递检测到的面部。前向传递给出了两个类的概率或置信度。我们取两个输出的最大值并将其用作最终的性别预测。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
string genderProto = "gender_deploy.prototxt"; string genderModel = "gender_net.caffemodel"; Net genderNet = readNet(genderModel, genderProto); vector<string> genderList = {"Male", "Female"}; blob = blobFromImage(face, 1, Size(227, 227), MODEL_MEAN_VALUES, false); genderNet.setInput(blob); // string gender_preds; vector<float> genderPreds = genderNet.forward(); // printing gender here // find max element index // distance function does the argmax() work in C++ int max_index_gender = std::distance(genderPreds.begin(), max_element(genderPreds.begin(), genderPreds.end())); string gender = genderList[max_index_gender]; |
1 2 3 4 5 6 7 8 9 10 11 12 |
genderProto = "gender_deploy.prototxt" genderModel = "gender_net.caffemodel" ageNet = cv.dnn.readNet(ageModel, ageProto) genderList = ['Male', 'Female'] blob = cv.dnn.blobFromImage(face, 1, (227, 227), MODEL_MEAN_VALUES, swapRB=False) genderNet.setInput(blob) genderPreds = genderNet.forward() gender = genderList[genderPreds[0].argmax()] print("Gender Output : {}".format(genderPreds)) print("Gender : {}".format(gender)) |
2.3 预测年龄
我们加载年龄网络并使用正向传递来获得输出。由于网络架构类似于性别网络,我们可以从所有输出中获取最大值以获得预测年龄组。
1 2 3 4 5 6 7 8 9 10 |
string ageProto = "age_deploy.prototxt"; string ageModel = "age_net.caffemodel"; Net ageNet = readNet(ageModel, ageProto); vector<string> ageList = {"(0-2)", "(4-6)", "(8-12)", "(15-20)", "(25-32)", "(38-43)", "(48-53)", "(60-100)"}; ageNet.setInput(blob); vector<float> agePreds = ageNet.forward(); int max_indice_age = distance(agePreds.begin(), max_element(agePreds.begin(), agePreds.end())); string age = ageList[max_indice_age]; |
1 2 3 4 5 6 7 8 9 10 11 |
ageProto = "age_deploy.prototxt" ageModel = "age_net.caffemodel" ageNet = cv.dnn.readNet(ageModel, ageProto) ageList = ['(0 - 2)', '(4 - 6)', '(8 - 12)', '(15 - 20)', '(25 - 32)', '(38 - 43)', '(48 - 53)', '(60 - 100)'] ageNet.setInput(blob) agePreds = ageNet.forward() age = ageList[agePreds[0].argmax()] print("Gender Output : {}".format(agePreds)) print("Gender : {}".format(age)) |
2.4 显示输出
我们将在输入图像上显示网络输出,并使用imshow功能显示它们。
1 2 3 |
string label = gender + ", " + age; // label cv::putText(frameFace, label, Point(it->at(0), it->at(1) -20), cv::FONT_HERSHEY_SIMPLEX, 0.9, Scalar(0, 255, 255), 2, cv::LINE_AA); imshow("Frame", frameFace); |
1 2 3 |
label = "{}, {}".format(gender, age) cv.putText(frameFace, label, (bbox[0], bbox[1]-20), cv.FONT_HERSHEY_SIMPLEX, 0.8, (255, 0, 0), 3, cv.LINE_AA) cv.imshow("Age Gender Demo", frameFace) |
3.结果
我们在上面看到,网络能够将性别和年龄预测到高水平的准确性。接下来,我们想用这个模型做一些有趣的事情。许多演员都在电影中描绘了异性的角色。
我们想要检查一下AI在这些角色,以及他们是否能够欺骗AI。
我们使用了本文中的图像,这些图像显示了他们的实际照片以及他们改变性别的电影中的照片。我们来看一下。
除了Elle Fanning之外,其他所有人都能够用异性来愚弄人工智能。而且,仅从图像中预测名人年龄是非常困难的。
最后,让我们看看我们的模型预测我们在帖子开头的两个例子。
4. 观察
尽管性别预测网络表现良好,但年龄预测网络未达到我们的预期。我们试图在论文中找到答案,并为年龄预测模型找到以下混淆矩阵。
可以从上表中进行以下观察:
预测年龄组0-2,4-6,8-13和25-32具有相对高的准确度。(见对角线元素)
输出严重偏向25-32岁年龄组(参见属于25-32岁年龄组的行)。这意味着网络很容易在15到43岁之间混淆。因此,即使实际年龄在15-20或38-43之间,预测年龄很可能是25- 32。从结果部分也可以看出这一点。
除此之外,我们观察到如果我们在检测到的面部周围使用填充,模型的准确性会提高。这可能是由于以下事实:训练时的输入是标准面部图像,而不是我们在面部检测后得到的紧密裁剪的面部。
我们还在进行预测之前分析了面部对齐的使用,并发现某些示例的预测得到了改善,但与此同时,对某些人来说情况变得更糟。如果您主要使用非正面面部,那么使用对齐可能是个好主意。
5. 结论
总的来说,我认为模型的准确性是不错的,但可以通过使用更多数据,数据增强和更好的网络架构进一步改进。
如果有足够的数据可用,也可以尝试使用回归模型而不是年龄预测分类。
6. 参考文献
下载链接:
看看代码
看看代码
可以借鉴
不错的!
net.forward()出来的结果怎么解析,看到有相关代码,前来膜拜
看文章内模型的表现很不错,但是都是外国人,不知道用于国内老年人的年龄预测表现如何?
很棒
good paper 好文章
帮忙
看文章内模型的表现很不错,但是都是外国人,不知道用于国内老年人的年龄预测表现如何?
@LoryXu 国内最好还是重新训练比较准准确~
学习学习