AgeRegression

年齡回歸

概述

我當時在一家超市購買葡萄酒，我使用了自我檢查，令人驚訝的是，它並沒有要求助手驗證我的年齡！然後我注意到它在bezzle中有一個相機。因此，我想知道...我們能否從一個人的臉圖像和多麼自信的程度來估計一個人的年齡。

在這個項目中，我們試圖從他們的臉上估計一個人的年齡。我們通過培訓全年臉部數據，並以MSE損失回歸年齡。該數據集具有嚴重的種族偏見，並影響了模型性能。

入門

該項目使用Conda來管理其環境；安裝Conda後，我們會創建環境並激活它，

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

。在窗戶上；需要初始化PowerShell，並且需要修改執行策略。

 Conda Init Powershell
set -ofecution -policy -ectecution -policy遠程設計 -  scope currentuser

。該倉庫使用git-lfs存儲模型，請確保已使用，使用Git-LFS文件。

 git lfs拉

要在運行圖像目錄上運行年齡預測，

 python evaluate_images.py-模型預處理/model_age_age_regression_resnext101_20.pth  - 圖像〜/code/dataSets/faces/val

表現

當我們在預測年齡和地面週期之間進行聯合圖時，我們可以看到該模型在兩者之間具有很強的相關性，但偶爾會有異常值。

我們可以看到該數據集具有較大的年齡不平衡，其中大部分以25〜35人的樣本為特徵。當我們試圖最大程度地提高該數據集的性能時，它被忽略了。將來，該數據集應在培訓之前重新採樣以進行統一的年齡分佈。

當我們在每個年齡段繪製MAE時。我們可以看到我們的年齡段最小的MAE為30-35，這與我們在數據集中的主要年齡段相對應。在很少的數據的地方，我們可以看到更大的預測錯誤。年齡<15歲的小組也具有較低的MAE，這可能是因為它們的案例更容易。