Kombiniranje več modelov razvrščanja vzorcev na primeru ocenjevanja starosti osebe iz digitalnih posnetkov

diplomsko delo

Tadej Horvat (Avtor), Božidar Potočnik (Mentor), Martin Šavc (Mentor)

Povzetek

V tej diplomski nalogi se ukvarjamo s kombiniranjem različnih prosto dostopnih modelov konvolucijskih nevronskih mrež za reševanje problema ocenjevanja starosti oseb iz digitalnih posnetkov. Naš cilj je bil implementirati ansambelske metode, ki so bolj uspešne od vsakega posameznega modela v našem ansamblu. Kombinirali smo pet osnovnih modelov konvolucijskih nevronskih mrež, in sicer Xception, ResNet152V2, InceptionV3, InceptionResNetV2 in EfficientNetV2B0. Modele smo kombinirali na nivoju rezultatov in na nivoju značilnic, pri čemer smo implementirali štiri metode kombiniranja na nivoju rezultatov in pet metod kombiniranja na nivoju značilnic. Za učenje posameznih modelov in testiranje metod smo uporabili bazo podatkov UTKFace. Najboljši rezultat smo dosegli z metodo večslojnega »stackinga«, in sicer srednjo absolutno napako 4,526 let nad našo testno množico. Rezultat le malenkost zaostaja za rezultati najboljših sodobnih metod ocenjevanja starosti iz digitalnih posnetkov.

Ključne besede

ocenjevanje starosti oseb;konvolucijske nevronske mreže;ansambelsko učenje;diplomske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2023
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik:	[T. Horvat]
UDK:	004.8(043.2)
COBISS:	170567171
Št. ogledov:	68
Št. prenosov:	8
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Combining multiple pattern classification models for person age estimation from digital images
Sekundarni povzetek:	In this diploma thesis, we explore combining different free-to-use models of convolutional neural networks to solve the problem of person age estimation from digital images. Our goal was to implement ensemble methods that outperform each individual model in our ensemble. We combined 5 base models of convolutional neural networks: Xception, ResNet152V2, InceptionV3, InceptionResNetV2, and EfficientNetV2B0. We combined the models on the results and features level, implementing 4 result-level ensemble methods and 5 feature-level ensemble methods. We used the UTKFace dataset to train our individual models and test our methods. We achieved the best result using the multi-layer stacking method, with a mean absolute error of 4.526 years on our test set. Our result falls just short of the best modern age estimation methods from digital images.
Sekundarne ključne besede:	person age estimation;convolutional neural networks;ensemble learning;
Vrsta dela (COBISS):	Diplomsko delo/naloga
Komentar na gradivo:	Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani:	1 spletni vir (1 datoteka PDF (VIII, 44 f.))
ID:	19835944