Structured Output SVM Prediction of Apparent Age, Gender and Smile From Deep Features

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00304551" target="_blank" >RIV/68407700:21230/16:00304551 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CVPRW.2016.96" target="_blank" >http://dx.doi.org/10.1109/CVPRW.2016.96</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPRW.2016.96" target="_blank" >10.1109/CVPRW.2016.96</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Structured Output SVM Prediction of Apparent Age, Gender and Smile From Deep Features

Popis výsledku v původním jazyce

We propose structured output SVM for predicting the apparent age as well as gender and smile from a single face image represented by deep features. We pose the problem of apparent age estimation as an instance of the multi-class structured output SVM classifier followed by a softmax expected value refinement. The gender and smile predictions are treated as binary classification problems. The proposed solution first detects the face in the image and then extracts deep features from the cropped image around the detected face. We use a convolutional neural network with VGG-16 architecture [25] for learning deep features. The network is pretrained on the ImageNet [24] database and then fine-tuned on IMDB-WIKI [21] and ChaLearn 2015 LAP datasets [8]. We validate our methods on the ChaLearn 2016 LAP dataset [9]. Our structured output SVMs are trained solely on ChaLearn 2016 LAP data. We achieve excellent results for both apparent age prediction and gender and smile classification.

Název v anglickém jazyce

Structured Output SVM Prediction of Apparent Age, Gender and Smile From Deep Features

Popis výsledku anglicky

We propose structured output SVM for predicting the apparent age as well as gender and smile from a single face image represented by deep features. We pose the problem of apparent age estimation as an instance of the multi-class structured output SVM classifier followed by a softmax expected value refinement. The gender and smile predictions are treated as binary classification problems. The proposed solution first detects the face in the image and then extracts deep features from the cropped image around the detected face. We use a convolutional neural network with VGG-16 architecture [25] for learning deep features. The network is pretrained on the ImageNet [24] database and then fine-tuned on IMDB-WIKI [21] and ChaLearn 2015 LAP datasets [8]. We validate our methods on the ChaLearn 2016 LAP dataset [9]. Our structured output SVMs are trained solely on ChaLearn 2016 LAP data. We achieve excellent results for both apparent age prediction and gender and smile classification.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops

ISBN

978-1-5090-1437-8

ISSN

2160-7508

e-ISSN

—

Počet stran výsledku

9

Strana od-do

730-738

Název nakladatele

IEEE

Místo vydání

Piscataway (New Jersey)

Místo konání akce

Las Vegas

Datum konání akce

1. 7. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000391572100089