Resumen

Se han propuesto muchos tipos de redes neuronales profundas para abordar el problema de la identificación biométrica humana, especialmente en las áreas de detección y reconocimiento facial. Las redes neuronales profundas locales se han utilizado recientemente en la clasificación de la edad y el género basada en el rostro, a pesar de su mejora en el rendimiento, sus costes en el entrenamiento del modelo son bastante caros. En este trabajo, proponemos construir una red neuronal profunda local para la clasificación de edad y género. En nuestro modelo propuesto, se seleccionan parches de imagen locales basados en los puntos de referencia faciales detectados; los parches seleccionados se utilizan para el entrenamiento de la red. También se utiliza un mapa de bordes holístico de toda la imagen para entrenar una red "global". Los resultados de la clasificación por edad y sexo se obtienen combinando los resultados de las redes "global" y local. El modelo propuesto se somete a prueba en dos conjuntos de datos de referencia de imágenes faciales y se obtienen resultados competitivos en comparación con los métodos más avanzados.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:edad, clasificación de género, redes neuronales profundas locales, conjuntos de datos de referencia de imágenes faciales, red neuronal profunda local, redes neuronales profundas, resultados de la clasificación de género, mapa de bordes holístico, identificación biométrica humana, parches de imágenes locales
• Keywords:age, gender classification, local deep neural networks, face image benchmark datasets, local deep neural network, deep neural networks, gender classification results, holistical edge map, human biometric identification, local image patches