论文部分内容阅读
随着社交平台以及自媒体的兴起,自动性别分类这一技术被越来越多的利用到应用中。然而,与最近针对面部识别相关任务上性能的巨大飞跃相比,目前的性别分类方法在现实生活图像上的表现仍然显得不足。通过利用深度卷积神经网络(CNN)学习表示,显著提高这些任务的性能。提出一种简单的卷积网络框架,即使在学习数据量有限的情况下也可以使用。在经过实验测试后,进一步提出优化后的深度卷积神经网络(CNN)学习方法,以使任务在处理起来更有效率。根据最近的Adience基准评估独特的性别估计方法,结果显示优化后的卷积神经网络显著