如何实施DEEPExpectation（DEX）年龄检测？

Question

首先，我是深度学习平台的新手，如果我有任何错误，请纠正我。

我正在尝试使用DEX方法来实现年龄检测。到目前为止，我的理解是，他们尝试使用VGG-16体系结构训练CNN重量模型。我正在使用他们在论文中建议的 IMDB_WIKI 数据集。

我正在使用 TensorFlow，Keras 用 Python3 语言训练体重模型。

我训练模型的步骤（我只是从IMDB集开始）：

1. 加载 IMDB mat 文件并获取训练数据和验证数据集（占总数据集的10％）
2. 使用 ImageNet 权重创建一个 VGG-16 模型（我相信它是一个大型数据集）
3. 由于 ImageNet 具有1000个类别，因此请删除模型的最后一层，然后放置我的单一年龄层输出层。
4. 还在输出层的顶部添加一个辍学层（坦率地说，不知道它是如何工作的）

我的实验从这里开始：）

1. 将层层预训练冻结到VGG-16体系结构中，除了我新添加的层之外，现在有一些不可训练的对象可用。在那种情况下，我的训练年龄准确度仅为19％，这太差了，我希望检测到的实际年龄应该是50-56％。
2. 看到我猜这可能是由于我没有训练所有层次。我删除了层的冻结并尝试进行训练，但它向我显示了内存不足的异常，此后，我冻结了整个体系结构的8层，经过40个时期的训练，我发现年龄精度为11％，低于之前：（

请问有人可以帮助我正确理解本文吗？

谢谢。

Answer 1

“还要在输出层的顶部添加一个辍学层（坦率地说，不知道它是如何工作的”）-这完全是错误的。漏失层集将输出乘以0，使激活和渐变为0。如果将其用作k％的最终层，则结果在k％的情况下将是垃圾，例如降低您的准确性。只要删除它，它应该更好。

Answer 2

它已经在适用于python的deepface软件包中实现

#!pip install deepface
from deepface import DeepFace
obj = DeepFace.analyze("img1.jpg", actions = ["age", "gender"])
print(obj)

根据DEX纸上的说明训练模型。它在后台建立VGG模型并加载预训练的权重。此外，它还可以在TensorFlow框架和Keras API上运行。