计算机工程与科学

作者：陈文兵, 李育霖, 陈允杰

单位：（1.南京信息工程大学数学与统计学院，江苏 南京 210044；2.中国气象局交通重点实验室，江苏 南京 210009）

关键词：卷积神经网络,极限学习机,SENet网络,年龄分类,性别分类,

基金：国家自然科学基金(61672291)；北极阁基金(BJG201504)

基于人脸图像识别年龄及性别是当前人工智能研究的热点之一。提出一种综合卷积神经网络CNN、挤压-激励网络SENet及极限学习机ELM的混合模型。模型中的卷积层用于从人脸图像中提取面部特征，SENet层用于优化卷积层提取的特征，误差最小化极限学习机（EM-ELM）用作分类器以实现面部图像的年龄及性别识别。与现有的流行模型相比，所提模型由于采用了CNN+SENet架构能够从面部图像中提取到更具代表性及最优的特征映射，而EM-ELM的极速计算使得模型更快速、更高效。在多个非限制人脸数据集上的实验结果表明，相比近期其他基于深度学习的相关模型，所提模型具有更高的识别准确率和更快的识别速度。

来源：2021年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第5期