ViT Предсказание возраста и пола: Vision Transformer для анализа лиц

Модель Vision Transformer для одновременного определения возраста и пола, достигающая 94,3% точности определения пола и 4,5 года MAE для возраста на датасете UTKFace.

Быстрое использование

from model import predict_age_gender

result = predict_age_gender("your_image.jpg")
print(f"Возраст: {result['age']}, Пол: {result['gender']}")

Важно: Стандартный pipeline() из transformers возвращает LABEL_0/LABEL_1 и не подходит. Используйте хелпер-функции из model.py.

Формат вывода

{
    "age": 25,
    "gender": "Female",
    "gender_confidence": 0.873,
    "gender_probability_male": 0.127,
    "gender_probability_female": 0.873,
    "label": "25 years, Female",
    "score": 0.873
}

Производительность модели

Точность по возрастным группам

Технические детали

• Базовая модель: google/vit-base-patch16-224 (Vision Transformer)
• Входное разрешение: 224×224 RGB
• Архитектура: Двухголовая — регрессия возраста + классификация пола
• Обучающий датасет: UTKFace (23 687 изображений)
• Обучение: 15 эпох, AdamW, learning rate 2e-5

Области применения

Модерация контента

from model import predict_age_gender

def moderate_content(image_path):
    result = predict_age_gender(image_path)
    if result['age'] < 18:
        return f"Обнаружен несовершеннолетний ({result['age']} лет) — контент отправлен на проверку"
    return f"Контент одобрен: {result['age']} лет, {result['gender']}"

Маркетинговая аналитика

from model import predict_age_gender

result = predict_age_gender("customer_photo.jpg")
print(f"Возраст: {result['age']}, Пол: {result['gender']}, Уверенность: {result['gender_confidence']:.1%}")

Верификация возраста

from model import predict_age_gender

def verify_age(image_path, min_age=18):
    result = predict_age_gender(image_path)
    if result['gender_confidence'] < 0.7:
        return "Предоставьте более чёткое изображение"
    if result['age'] >= min_age:
        return f"Верифицировано: {result['age']} лет"
    return f"Верификация не пройдена: {result['age']} лет"

Рекомендации

Оптимальные условия

• Лучшие результаты: взрослые 16–60 лет
• Качество изображения: чёткое, хорошо освещённое лицо в анфас

Известные ограничения

• Дети (0–12 лет): сниженная точность
• Пожилые (70+): большая дисперсия предсказаний
• Плохие условия: слабое освещение, экстремальные углы, перекрытия

Лицензия

Apache 2.0 — коммерческое использование разрешено с указанием авторства.