A LIGHTWEIGHT DEEP LEARNING MODEL FOR AGE AND GENDER IDENTITY PROBLEM USING THE CNN NETWORK

TNU Journal of Science and Technology

View Publication Info
 
 
Field Value
 
Title A LIGHTWEIGHT DEEP LEARNING MODEL FOR AGE AND GENDER IDENTITY PROBLEM USING THE CNN NETWORK
MỘT MÔ HÌNH DEEP LEARNING NHẸ CHO BÀI TOÁN NHẬN DẠNG TUỔI VÀ GIỚI TÍNH SỬ DỤNG MẠNG CNN
 
Creator Trang, Phùng Thị Thu
Thu, Ma Thị Hồng
 
Subject
Deep learning, CNN Network, Age Classification, Gender Classification, Neural Network
TNK
Học sâu; Mạng CNN; Phân lớp tuổi; phân lớp giới tính; Mạng nơron
 
Description Age and gender identification problems are gaining a lot of attention from researchers since social and multimedia networks are becoming more popular nowadays. Recently published methods have yielded quite good results in terms of accuracy but also proved ineffective in real-time identification because these models were designed too complicated. In this paper, we propose a lightweight model called lightweight CNN that performs parallel tasks of age and gender classification. In terms of accuracy in identifying age, lightweight CNN is 5.1% better than the best model recently published. About runtime and the number of parameters used, lightweight CNN uses much less than other models on the Adience dataset, meet the identification requirements in real time.
Bài toán nhận dạng tuổi và giới tính đang thu hút được nhiều sự chú ý từ các nhà nghiên cứu đặc biệt là khi mạng xã hội và mạng truyền thông ngày càng phổ biến. Các phương pháp được công bố gần đây cho kết quả khá tốt về độ chính xác nhưng còn tỏ ra kém hiệu quả trong vấn đề nhận diện thời gian thực bởi vì các mô hình này được thiết kế quá phức tạp. Trong bài báo này, chúng tôi đề xuất một mô hình nhẹ mang tên lightweight CNN thực hiện song song 2 nhiệm vụ là phân lớp tuổi và giới tính. Về độ chính xác trong nhận diện tuổi thì lightweight CNN tốt hơn 5.1% so với mô hình tốt nhất đã được công bố gần đây. Về thời gian chạy và số lượng tham số được sử dụng thì lightweight CNN sử dụng ít hơn nhiều so với các mô hình khác trên bộ dữ liệu Adience, đáp ứng được yêu cầu về nhận dạng trong thời gian thực.
 
Publisher Thai Nguyen Unniversity of Technology
 
Contributor

 
Date 2019-05-08
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion


 
Format application/pdf
 
Identifier http://jst.tnu.edu.vn/jst/article/view/542
 
Source TNU Journal of Science and Technology; T. 200, S. 07 (2019): KHOA HỌC TỰ NHIÊN - KỸ THUẬT - CÔNG NGHỆ; 119-124
TNU Journal of Science and Technology; T. 200, S. 07 (2019): KHOA HỌC TỰ NHIÊN - KỸ THUẬT - CÔNG NGHỆ; 119-124
2615-9562
2734-9098
 
Language vie
 
Relation http://jst.tnu.edu.vn/jst/article/view/542/pdf
 
Rights ##submission.copyrightStatement##
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library