#مقاله
Age invariant face recognition and retrieval by coupled auto-encoder networks

🔗 http://bit.ly/2r4dpwb

#Neurocomputing, 2017
#Face_recognition #Age_invariant #Auto_encoder #deep_learning

#مقاله #سورس #کد

IMDB-WIKI – 500k+ face images with age and gender labels
pic: http://bit.ly/2rZNDJx

دیتاست سن و جنسیت افراد؛ جمع آوری شده از صفحات ویکی پدیا
+
مقاله و مدل در Caffe , و وزنهای آموزش دیده شده شبکه



https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/

#Gender_prediction #age #Deep_Learning #dataset #model
#CNN #convolutional_neutral_network

CNN that simultaneously performs #face_detection, #landmarks_localization, #pose_estimation, #gender_recognition, #smile_detection, #age_estimation and face #identification and #verification.

#face

#مقاله
در برخی از ویژگی های مربوط به چهره، دیتاست بزرگ برای آموزش کامل شبکه های عمیق در دسترس نیست، با توجه به شباهت ویژگیها در تسکهای مرتبط با چهره، این مقاله یک شبکه واحد برای آموزش تمام این تسکها در نظر گرفته و در نتیجه با افزایش داده حاصل از ترکیب دیتاست های مختلف در این حوزه شبکه در بسیاری از موارد به کارایی بالاتر از مدلهای مشابه شبکه تک کاربرده دست یافته است. بدین صورت لایه های پایینتر شبکه به خوبی برای استخراج ویژگیهای چهره آموزش میبینند.
[مرتبط با: https://t.me/cvision/446]


An All-In-One Convolutional Neural Network for Face Analysis
http://ieeexplore.ieee.org/abstract/document/7961718/

در این مقاله تسک های مرتبط با چهره انسان را به دو دسته‌ی مستقل از سوژه و مرتبط با سوژه تقسیم کرده است.

1) وظایف مستقل، شامل تشخیص چهره، نقطه های کلیدی چهره، محلی سازی، پیش بینی لبخند،
2) وظایف وابسته، شامل برآورد سن، پیش بینی جنسیت و بازشناسی چهره.
در این شبکه وظایف مستقل از سوژه از لایه های پایین تر این شبکه کانولوشنال ورودی گرفته و وظایف وابسته به سوژه از آخرین لایه شبکه ورودی خود را برای محاسبه خروجی و تابع هزینه هر تسک استفاده کرده اند.

#multitask_learning #face #convolutional_neutral_network #deep_learning