AgeRegression

Regressão por idade

Visão geral

Eu estava em um supermercado comprando vinho e usei um auto-checkout, surpreendentemente não pediu a um assistente para verificar minha idade! Então eu notei que tinha uma câmera no belez. Então eu me perguntei ... poderíamos estimar a idade de uma pessoa de uma foto de seu rosto e até que grau de confiança.

Neste projeto, tentamos estimar a idade de uma pessoa a partir de uma foto de seu rosto. Fazemos isso treinando o DataSet para todas as idades e regredimos a idade com uma perda de MSE. Esse conjunto de dados tem um preconceito racial pesado e afeta o desempenho dos modelos.

Começando

Este projeto usa o CONDA para gerenciar seu ambiente; Uma vez instalado o conda, criamos o ambiente e o ativamos,

 CONDA ENV CREATE -F ANVIROMENT.YML
CONDA Ative Age_Regression

. No Windows; O PowerShell precisa ser inicializado e a política de execução precisa ser modificada.

 Conde init PowerShell
Set -ExecutionPolicy -executionPolicy

. Este repo usa o Git-LFS para armazenar os modelos, verifique se os arquivos Git-LFS foram puxados usando,

 git lfs puxar

Para executar a previsão de idade em um diretório de imagens executadas,

 python avaliar_images.py -modelo pré -terenciado/model_age_regression_resnext101_20.pth --images ~/code/datasets/faces/val

Desempenho

Quando fazemos uma parcela da articulação entre a idade prevista e a verdade no solo, podemos ver que o modelo tem uma forte correlação entre os dois, mas existem outliers ocasionais.

Podemos ver que o conjunto de dados tem uma grande idade, com amostras de pessoas 25 ~ 35. Enquanto tentamos maximizar nosso desempenho neste conjunto de dados, ele foi ignorado. No futuro, esse conjunto de dados deve ser reamostrado antes do treinamento para dar uma distribuição de idade uniforme.

Quando planejamos o MAE em cada faixa etária. Podemos ver nossa faixa etária com o menor MAE é de 30 a 35, o que corresponde à nossa faixa etária predominante no conjunto de dados. Onde temos muito poucos dados, podemos ver maiores erros de previsão. É possivelmente interessante que os grupos para idades <15 também tenham MAE mais baixo, possivelmente porque são casos mais fáceis.