• SENet50_f_age (ours) 4.58
  • Age and Gender Prediction using Deep cnns and Transfer Learning




    Download 299,02 Kb.
    Pdf ko'rish
    bet11/13
    Sana22.12.2023
    Hajmi299,02 Kb.
    #127116
    1   ...   5   6   7   8   9   10   11   12   13
    SENet50_f 
    4.58 
    94.94 
    It is clear that the features extracted using SENet-50_f performed best for both the tasks 
    compared to ResNet50_f and VGG_f even though we trained more layers for VGG_f.
    In the study [7], a linear regression model and ResNeXt-50 (32×4d) architecture was 
    trained from scratch on the same dataset for age estimation using Adam. In another 
    study [6], various state-of-the-art models pre-trained on ImageNet were used where the 
    authors trained two new layers while freezing the deep CNN layers which acted as 
    feature extractor followed by fine-tuning the whole network with a smaller learning 
    rate later using SGD with momentum. Both studies had their models evaluated on 10% 
    size of the dataset, utilizing remaining for training or validation.
    Table 9. Comparison with others’ work 
    Method 
    Age Estimation (MAE) 
    Linear Regression [7] 
    11.73 
    ResNet50 [6]* 
    9.66 
    Inceptionv3 [6]* 
    9.50 
    DenseNet [6]* 
    9.19 
    ResNeXt-50 (32x4d) [7] 
    7.21 
    Best Custom CNN (ours) 
    5.67 
    VGG_f_age (ours) 
    4.86 
    ResNet50_f_age (ours) 
    4.65 
    SENet50_f_age (ours) 
    4.58 
    * Cropped according to the detected face image using Haar Cascade Face detector [16].
    Since we got best performance, from features extracted via SENet50_f, for both tasks 
    of age and gender classification in Table 10 and Table 11, we further provide baseline 
    performance on them for various machine learning algorithms on the same splits of the 


    11 
    dataset. Validation set is not used since we haven’t tuned these models, default hyper 
    parameters of Sci-kit learn and XGBoost libraries have been used for this.
    Table 10. Untuned baseline for Gender Classification
    Method 
    Train (Accuracy) 
    Test (Accuracy) 
    Decision Tree 
    99.86 
    59.26 
    Linear SVC 
    96.13 
    91.44 
    Logistic Regression 
    97.38 
    92.11 
    Gradient Boosted Trees 
    95.15 
    93.38 
    XGBoost
    95.03 
    93.80 
    Linear Discriminant Analysis 
    95.30 
    94.39 

    Download 299,02 Kb.
    1   ...   5   6   7   8   9   10   11   12   13




    Download 299,02 Kb.
    Pdf ko'rish

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Age and Gender Prediction using Deep cnns and Transfer Learning

    Download 299,02 Kb.
    Pdf ko'rish