AgeRegression

Regresi Usia

Ringkasan

Saya berada di supermarket membeli anggur dan saya menggunakan checkout sendiri, secara mengejutkan tidak meminta asisten untuk memverifikasi usia saya! Lalu saya perhatikan ada kamera di The Bezzle. Jadi saya bertanya -tanya ... bisakah kita memperkirakan usia seseorang dari gambar wajah mereka dan ke tingkat kepercayaan apa.

Dalam proyek ini kami berusaha memperkirakan usia seseorang dari gambar wajah mereka. Kami melakukan ini dengan melatih semua usia-faces-dataset dan mundur usia dengan kehilangan MSE. Dataset ini memiliki bias rasial yang berat, dan berdampak pada kinerja model.

Memulai

Proyek ini menggunakan Conda untuk mengelola lingkungannya; Setelah Conda diinstal, kami membuat lingkungan dan mengaktifkannya,

 conda env create -f enviroment.yml
conda mengaktifkan usia_regresi

. Di Windows; PowerShell perlu diinisialisasi dan kebijakan eksekusi perlu dimodifikasi.

 Conda Init PowerShell
Set -ExecutionPolicy -ExecutionPolicy Remotersigned -Scope CurrentUser

. Repo ini menggunakan GIT-LFS untuk menyimpan model, pastikan file GIT-LFS telah ditarik,

 Git LFS menarik

Untuk menjalankan prediksi usia pada direktori gambar yang dijalankan,

 python evaluate_images.py -Model pretrained/model_age_regression_resnext101_20.pth --images ~/kode/dataset/wajah/val

Pertunjukan

Ketika kita melakukan plot bersama antara usia yang diprediksi dan darat, kita dapat melihat model ini memiliki korelasi yang kuat antara keduanya tetapi ada outlier sesekali.

Kita dapat melihat dataset memiliki ketidakseimbangan usia yang besar, sebagian besar menampilkan sampel dari People 25 ~ 35. Saat kami mencoba memaksimalkan kinerja kami pada dataset ini telah diabaikan. Di masa depan, dataset ini harus di -resampled sebelum pelatihan untuk memberikan distribusi usia yang seragam.

Ketika kami merencanakan MAE pada setiap kelompok umur. Kita dapat melihat kelompok usia kita dengan MAE terkecil adalah 30-35 yang sesuai dengan kelompok usia dominan kita dalam dataset. Di mana kami memiliki sedikit data, kami dapat melihat kesalahan prediksi yang lebih besar. Mungkin menarik bahwa kelompok -kelompok untuk usia <15 juga memiliki MAE yang lebih rendah, mungkin karena mereka adalah kasus yang lebih mudah.