facial_age_image_detectionオープンソースモデル - 顔画像に基づく正確な年齢区間の予測

ホーム

Facial Age Image Detection

dima806によって開発

Vision Transformer (ViT)アーキテクチャで訓練されたモデルで、顔画像から年齢範囲を予測

人の顔に関係がある

Transformers

オープンソースライセンス:Apache-2.0 #顔年齢範囲認識 #ViTビジョントランスフォーマー #多年代分類

ダウンロード数 768

リリース時間 : 11/4/2023

モデル概要

このモデルはgoogle/vit-base-patch16-224-in21k事前学習モデルをファインチューニングしており、顔画像から23の異なる年齢範囲を識別・分類可能。人口分析、年齢確認などのシナリオに適しています。

モデル特徴

多年齢範囲分類

0-1歳から90歳以上まで23の詳細な年齢範囲を識別可能

ViTアーキテクチャベース

Vision Transformerモデルを使用し、画像分類タスクで優れた性能を発揮

高精度

一部の年齢範囲（0-1歳や90歳以上）で90%以上のF1スコアを達成

モデル能力

顔画像分析

年齢範囲予測

人口年齢分布分析

使用事例

人口統計分析

ショッピングモール顧客年齢分析

監視カメラを通じて顧客の年齢分布を分析

主要顧客層の年齢範囲を把握し、店舗運営に役立つ

デジタル身分認証

年齢確認システム

ユーザーが特定サービスの年齢要件を満たしているか確認

未成年者の不適切なコンテンツへのアクセスを防止

🚀 顔画像から年齢層を返すモデル

このモデルは顔画像を入力として、対応する年齢層を返します。詳細についてはこちらを参照してください。

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で公開されています。

📚 ドキュメント

モデル情報

属性	詳情
モデルタイプ	ベースモデルは`google/vit-base-patch16-224-in21k`を使用しています。
評価指標	精度(accuracy)とF1スコア(f1)が使用されています。

結果の可視化

image/png

分類レポート

Classification report:

              precision    recall  f1-score   support

          01     0.7341    0.9056    0.8109       445
          02     0.4494    0.6787    0.5407       445
          03     0.6978    0.2854    0.4051       445
          04     0.8421    0.1438    0.2457       445
          05     0.5707    0.9618    0.7163       445
       06-07     0.7030    0.5798    0.6355       445
       08-09     0.6500    0.8180    0.7244       445
       10-12     0.6993    0.7056    0.7025       445
       13-15     0.8034    0.7438    0.7725       445
       16-20     0.7006    0.7416    0.7205       445
       21-25     0.6796    0.6292    0.6534       445
       26-30     0.4241    0.5843    0.4915       445
       31-35     0.4654    0.2270    0.3051       445
       36-40     0.4606    0.3416    0.3923       445
       41-45     0.5074    0.6944    0.5863       445
       46-50     0.4896    0.5811    0.5314       444
       51-55     0.5158    0.5506    0.5326       445
       56-60     0.5000    0.3491    0.4111       444
       61-65     0.7083    0.1910    0.3009       445
       66-70     0.4778    0.7995    0.5981       444
       71-80     0.7687    0.7169    0.7419       445
       81-90     0.8425    0.9978    0.9136       445
         90+     0.9978    1.0000    0.9989       444

    accuracy                         0.6185     10231
   macro avg     0.6386    0.6185    0.5970     10231
weighted avg     0.6386    0.6185    0.5970     10231