Статья посвящена решению задачи определения возраста человека по фотографии на основе построения и исследования нейросетевых сверточных моделей. Показано, что возраст человека является одним из значимых факторов, подлежащих определению при анализе изображений в ряде прикладных задач. Сфера применения систем автоматического определения возраста широка и включает такие направления как системы видеонаблюдения и контроля доступа, контентная фильтрация в онлайн-сервисах, маркетинг и персонализация рекламы, цифровые технологии в образовании, медицинская диагностика, дополненная и виртуальная реальность. Возрастные изменения, как правило, затрагивают следующие характеристики: наличие морщин, изменение овала лица, изменение цвета и текстуры кожи, опущение век, изменение формы губ и подбородка. Визуальные признаки могут быть замаскированы косметикой, медицинскими процедурами, стилем жизни, а также отличаться в зависимости от этнической принадлежности. Это делает задачу определения возраста по изображению особенно сложной. Поэтому для решения задачи определения возраста целесообразно использовать современные методы глубокого обучения. В работе для решения этой задачи применен подход на основе сверточных нейронных сетей. Для его реализации выполнены следующие этапы: получение и подготовка данных для анализа, выбор библиотек и архитектур для построения нейросетевых сверточных моделей, обучение нейросетевых сверточных моделей, оценка результатов работы моделей. Для реализации первого этапа выбраны следующие общедоступные наборы данных: Facial Age и UTKFace. Всего было реализовано три сценария подготовки данных: классификация по точному возрасту, классификация по одиннадцати возрастным диапазонам и классификация по пяти укрупненным возрастным категориям. Общее число изображений для классификации составило около 14000, из которых обучающая выборка содержала 9734, а валидационная - 4238 изображений. Для построения нейросетевых моделей использован язык программирования Python, а также библиотеки и фреймворки TensorFlow, NumPy, Matplotlib, Seaborn, Scikit-learn, Pillow и Tkinter. Рассмотрены и сравнены две архитектуры сверточных нейронных сетей: ResNet50V2 и YOLOv8n. Архитектура YOLOv8n продемонстрировала преимущество перед ResNet50V2 по каждой из метрик Accuracy, Macro F1-score и Weighted F1-score. Выявлены проблемы с классификацией средневозрастных групп, что указало на необходимость дополнительной балансировки обучающей выборки и применения методов аугментации.
This article explores the problem of determining a person's age from a photograph using the construction and analysis of convolutional neural network models. It is shown that age is a significant factor in image analysis for a number of applied tasks. The application of automatic age determination systems is broad and includes such areas as video surveillance and access control systems, content filtering in online services, marketing and advertising personalization, digital technologies in education, medical diagnostics, and augmented and virtual reality. Age-related changes typically affect the following characteristics: wrinkles, facial contour changes, changes in skin color and texture, drooping eyelids, and changes in the shape of the lips and chin. Visual cues can be masked by cosmetics, medical procedures, lifestyle, and may also vary depending on ethnicity. This makes age determination from an image particularly challenging. Therefore, modern deep learning methods are appropriate for solving the age determination problem. This paper uses an approach based on convolutional neural networks to solve this problem. The following stages were completed for its implementation: obtaining and preparing data for analysis, selecting libraries and architectures for building convolutional neural network models, training convolutional neural network models, and evaluating the model performance. The following publicly available datasets were selected for the implementation of the first stage: Facial Age and UTKFace. A total of three data preparation scenarios were implemented: classification by exact age, classification by eleven age ranges, and classification by five coarse-grained age categories. The total number of images for classification was approximately 14,000, of which the training set contained 9,734 and the validation set contained 4,238 images. The Python programming language, as well as the TensorFlow, NumPy, Matplotlib, Seaborn, Scikit-learn, Pillow, and Tkinter libraries and frameworks, were used to build the neural network models. Two convolutional neural network architectures are considered and compared: ResNet50V2 and YOLOv8n. The YOLOv8n architecture demonstrated superiority over ResNet50V2 for each of the metrics: Accuracy, Macro F1-score, and Weighted F1-score. Issues with classifying middle-aged groups were identified, indicating the need for additional balancing of the training set and the use of augmentation methods.