AgeRegression

年龄回归

概述

我当时在一家超市购买葡萄酒，我使用了自我检查，令人惊讶的是，它并没有要求助手验证我的年龄！然后我注意到它在bezzle中有一个相机。因此，我想知道...我们能否从一个人的脸图像和多么自信的程度来估计一个人的年龄。

在这个项目中，我们试图从他们的脸上估计一个人的年龄。我们通过培训全年脸部数据，并以MSE损失回归年龄。该数据集具有严重的种族偏见，并影响了模型性能。

入门

该项目使用Conda来管理其环境；安装Conda后，我们会创建环境并激活它，

 conda env create -f enviroment.yml
conda激活年龄

。在窗户上；需要初始化PowerShell，并且需要修改执行策略。

 Conda Init Powershell
set -ofecution -policy -ectecution -policy远程设计 -  scope currentuser

。该仓库使用git-lfs存储模型，请确保已使用，使用Git-LFS文件。

 git lfs拉

要在运行图像目录上运行年龄预测，

 python evaluate_images.py-模型预处理/model_age_age_regression_resnext101_20.pth  - 图像〜/code/dataSets/faces/val

表现

当我们在预测年龄和地面周期之间进行联合图时，我们可以看到该模型在两者之间具有很强的相关性，但偶尔会有异常值。

我们可以看到该数据集具有较大的年龄不平衡，其中大部分以25〜35人的样本为特征。当我们试图最大程度地提高该数据集的性能时，它被忽略了。将来，该数据集应在培训之前重新采样以进行统一的年龄分布。

当我们在每个年龄段绘制MAE时。我们可以看到我们的年龄段最小的MAE为30-35，这与我们在数据集中的主要年龄段相对应。在很少的数据的地方，我们可以看到更大的预测错误。年龄<15岁的小组也具有较低的MAE，这可能是因为它们的案例更容易。