非受限条件下双流增强浅层网络人脸年龄估计

针对非受限条件下人脸遮挡、光照不均、表情复杂、姿态各异等影响年龄估计精确率低的问题,提出一种非受限条件下双流增强浅层网络的人脸年龄估计(E^(2)-doubleNet)算法。首先,在E^(2)-doubleNet设计中采用了两个异构的单流浅层卷积神经网络模型以提高网络的学习能力;然后,在两个模型中采用不同的激活函数和池化层,增强网络结构的非线性;最后,在双流浅层网络的基础上,引入了CBAM注意力约束构成双重增强效应,从而克服特征提取过程中特征信息丢失的问题,使其能够捕捉到更加细微人脸面部特征以此提高分类精度。实验结果表明,该方法比最新同类型的人脸年龄估计算法提高了3.27%,证明了所提算法的有效性。