Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.803-806
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

A Study on the Age Prediction Model Using ResNet

ResNet을 이용한 나이 예측 모델 연구

  • Ji-Hun Kim (Dept. of Computer Science and Engineering, Soong-Sil University) ;
  • Young-Tae Shin (Dept. of Computer Science and Engineering, Soong-Sil University)
  • 김지훈 (숭실대학교 컴퓨터학과) ;
  • 신용태 (숭실대학교 컴퓨터학과)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구는 디지털 기술과 인공지능의 발전을 배경으로, ResNet 모델을 활용하여 얼굴 인식 및 나이 예측 시스템을 개발하고 평가한다. ResNet의 잔차 학습과 스킵 연결 기능은 깊은 신경망에서 발생할 수 있는 기울기 소실 문제를 해결하여 모델의 학습 효율을 높이는 데 중요한 역할을 한다. 또한 All-Age-Faces Dataset을 이용하여 나이 예측에서 아시아 인종에 대한 편향 없이 고르게 좋은 성능을 보여주는 것을 목표로 한다.

Keywords

Acknowledgement

본 연구는 과학기술정보통신부 및 정보통신기획평가 원의 대학ICT연구센터사업의 연구결과로 수행되었음 (IITP-2024-2020-0-01602)

References

  1. REPETTI, Marion; FELLAY-FAVRE, Elisa. Ageism and the digital divide in Switzerland during COVID-19: Lessons for the post-pandemic world. Journal of Aging Studies, 2024, 69: 101227.
  2. GOKULAKRISHNAN, S., et al. An optimized facial recognition model for identifying criminal activities using deep learning strategy. International Journal of Information Technology, 2023, 15.7: 3907-3921.
  3. FU, Yun; HUANG, Thomas S. Human age estimation with regression on discriminative aging manifold. IEEE Transactions on Multimedia, 2008, 10.4: 578-584.
  4. ROTHE, Rasmus; TIMOFTE, Radu; VAN GOOL, Luc. Dex: Deep expectation of apparent age from a single image. In: Proceedings of the IEEE international conference on computer vision workshops. 2015. p. 10-15.
  5. PANIC, Nenad; MARJANOVIC, Marina; BEZDAN, Timea. Ethnic Representation Matters: Investigating Bias in Facial Age Prediction Models. 2024.
  6. HE, Kaiming, et al. Deep residual learning for image recognition. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. p. 770-778.
  7. CHENG, Jingchun, et al. Exploiting effective facial patches for robust gender recognition. Tsinghua Science and Technology, 2019, 24.3:333-345.