Analysis of the Effect of Image Resolution on Automatic Face Gender and Age Classification

Abstract

In this paper, the effect of the image resolution for gender detection and age classification have been analyzed by conducting experiments with facial images that have 10 different image resolutions ranging from 2 x 1 to 329 x 264. K Nearest Neighbor (k-NN), Support Vector Machine (SVM) and Random Forests (RF) classifiers, which have been successfully used in several applications, have been employed to extract gender and age information from the images. Experiments for age classification and gender detection have been performed separately.

Bu bildiride, yüz görüntülerinde 2 × 1 ile 329 × 264 arasında degişen 10 farklı görüntü çözünürlüğü için yaş ve cinsiyet sınıflandırması deneyleri yapılarak görüntü çözünürlügünün yaş ve cinsiyet sınıflandırması başarımı üzerindeki etkisi incelenmiştir. Görüntülerden yaş ve cinsiyet bilgilerinin çıkarılabilmesi için bir çok uygulamada başarılı bir şekilde kullanılmış olan K En Yakın Komşu (k-NN), Destek Vektör Makineleri (SVM) ve Rastgele Orman (RF) sınıflandırıcıları kullanılmıştır. Deneyler yaş ve cinsiyet sınıflandırması için ayrı ayrı yapılmış, son olarak alınan sonuçlar degerlendirilmiştir