Vérification des visages à travers les âges à l'aide de l'apprentissage par transfert

L'intégration de la technologie de vérification des visages est devenue indispensable dans de nombreux logiciels de sécurité et de sûreté. Malgré ses résultats prometteurs, le domaine de la vérification des visages rencontre des défis significatifs en raison des disparités liées à l'âge. Les caractéristiques faciales humaines subissent d'importantes transformations au fil du temps, entraînant diverses variations, y compris des changements dans la texture du visage, la morphologie, les poils du visage et l'adoption de lunettes. Cette étude présente une méthodologie novatrice pour la vérification des visages à travers les âges, utilisant des techniques avancées d'apprentissage profond pour extraire des caractéristiques faciales résilientes et distinctives moins sensibles aux fluctuations liées à l'âge. Le processus d'extraction des caractéristiques combine des caractéristiques faites à la main comme le Local Binary Pattern/Histogram of Oriented Gradients avec des caractéristiques profondes des réseaux MobileNetV2 et VGG-16. Comme la texture de la peau faciale définit la caractéristique liée à l'âge, des extracteurs de texture bien connus comme LBP et HoG sont préférés. Ces caractéristiques sont concaténées pour obtenir une fusion, et les couches ultérieures les affinent. La validation expérimentale utilisant le Cross-Age Celebrity Dataset démontre une efficacité remarquable, atteignant une précision de 98,32%.