메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Bolortuya Sukh-Erdene (Kangwon National University) Hyun-chong Cho (Kangwon National University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제67권 제9호
발행연도
2018.9
수록면
1,224 - 1,231 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Automatic age estimation has been used in many social network applications, practical commercial applications, and human–computer interaction visual-surveillance biometrics. However, it has rarely been explored. In this paper, we propose an automatic age estimation system, which includes face detection and convolutional deep learning based on an inception module. The latter is a 22-layer-deep network that serves as the particular category of the inception design. To evaluate the proposed approach, we use 4,000 images of eight different age groups from the Adience age dataset. k-fold cross-validation (k = 5) is applied. A comparison of the performance of the proposed work and recent related methods is presented. The results show that the proposed method significantly outperforms existing methods in terms of the exact accuracy and off-by-one accuracy. The off-by-one accuracy is when the result is off by one adjacent age label to the above or below. For the exact accuracy, the age label of “60+” is classified with the highest accuracy of 76%.
#Convolutional neural networks #Face detection #Age estimation #Inception module #Machine learning

목차

Abstract
1. Introduction
2. Materials and Methods
3. Results
4. Conclusions
References

참고문헌 (20)

참고문헌 신청
G. Levi and T. Hassner, “Age and gender classification using convolutional neural networks”, in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 2015, pp. 34-42. W. L. Chao, J. Z. Liu, and J. J. Ding, “Facial age estimation based on label-sensitive learning and ageoriented regression”, Pattern Recognition, Vol. 46, 2013, pp. 628-641. E. Eidinger, R. Enbar, and T. Hassner, “Age and gender estimation of unfiltered faces”, IEEE Transactions on Information Forensics and Security, vol. 9, 2014, pp. 2170-2179. S. Hosseini, S. H. Lee, H. J. Kwon, H. I. Koo, and N. I. Cho, “Age and gender classification using wide convolutional neural network and Gabor filter”, in International Workshop on Advanced Image Technology 2018 (IWAIT 2018), 2018, paper 111. Y. He, M. Huang, Q. Miao, H. Guo, and J. Wang, “Deep embedding network for robust age estimation”, in 2017 IEEE International Conference on Image Processing (ICIP), 2017, pp. 1092-1096.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Inception 모듈을 이용한 Comparative Convolutional Neural Network 기반 나이추정 기법
김유환 ,  정유수 ,  정윤수 외 1명 한국지능시스템학회 논문지 2018 .06
패턴인식방법과 CNN을 결합한 과일의 숙성 단계 판별
김상균 ,  조완현 ,  나명환 외 1명 대한전자공학회 학술대회 2020 .11
X선 영상 기반 치아와동 컴퓨터 보조검출 시스템에서의 동적윤곽 알고리즘 비교
김대한 ,  허창회 ,  조현종 전기학회논문지 2018 .12
슈퍼픽셀을 활용한 딥러닝 모델 기반 위 병변 진단 컴퓨터 보조 진단 시스템에 관한 연구
김동현 ,  김윤지 ,  조현진 외 1명 정보 및 제어 논문집 2018 .10
IT 기반 번식우 발정감지 시스템 개발 동향
김대한 ,  채정우 ,  조현종 전기의세계 2018 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-560-003401610