Каждый день наши фотографии делаются, знаем мы об этом или нет, и они хранятся в разных местах. Мы так привыкли фотографировать все, с чем соприкасаемся, начиная от людей, домашних животных и даже еды. Фотографии — это способ запечатлеть воспоминания и сохранить их, а также поделиться ими с другими.
С развитием технологий мы начали делать все виды снимков, и некоторые из них имеют очень высокое разрешение, очень впечатляющую плотность пикселей и поразительную детализацию изображений. Однако такие системы, как камеры наблюдения и дорожные камеры, не достигли такого уровня плотности пикселей, и изображения обычно размыты. Некоторые изображения собираются путем съемки видео и других источников, и они имеют низкое качество и нечеткость. Должен быть способ научить компьютеры распознавать лица и их атрибуты, даже если изображения размыты или имеют низкое качество.
Были разработаны приложения, способные предсказывать возраст человека по изображению, например Agebot. Он не только предсказывает ваш возраст, но и позволяет предсказать ваш пол.
Приложение под названием Trueface Agebox было создано для сканирования лиц и определения возраста клиентов, которые хотят купить алкоголь, и это одно из многих потенциальных применений моделей определения возраста.
Используя Сверточные нейронные сети, мы можем создавать модели для прогнозирования возраста и пола человека на определенном изображении. Мы можем использовать keras и тензорный поток для разработки этих моделей, чтобы делать эти прогнозы.
Для обнаружения лиц можно использовать OpenCV (библиотека компьютерного зрения с открытым исходным кодом), которая представляет собой библиотеку обработки изображений и видео с привязками на C++, C, Python и Java). OpenCV можно использовать не только для распознавания лиц; его можно настроить для идентификации множества вещей, начиная от номерных знаков и заканчивая оптическим распознаванием символов. Он имеет три модуля распознавания лиц внутри, которые могут легко обнаруживать лица, что делает его полезным.
Используя модели keras, можно построить запутанную нейронную сеть, используя глубокое обучение для определения возраста человека по изображению. На основе атрибутов лица модель может дать оценку возраста; чем глубже нейронная сеть, тем точнее вы сможете дать более точное предсказание возраста человека на основе предоставленного изображения. Другие вещи, такие как пол, также можно предсказать по изображению.
Набор данных индийских актеров идеально подходит для практики построения запутанных нейронных сетей для определения возраста. В наборе данных есть изображения, взятые из фильмов и других источников, и эти изображения очень низкого качества, и некоторые из них едва видны. Некоторые требуют, чтобы вы изменили их размер и растянули, чтобы использовать их. Я попытался решить задачу с запутанной нейронной сетью с relu в качестве функции активации, и это дало точность 65,8%. Из случайных изображений, с которыми я столкнулся, он дал мне точные прогнозы, когда дело доходит до возрастного диапазона отдельных актеров/актрис, но я все еще пытаюсь улучшить точность модели. Визуализация мини-таблицы показана в моем репозитории на github.
