Разработка системы определения возраста и пола по лицу

Разработка системы определения возраста и пола по лицу

Соберите сотни тысяч селфи — и что? Как извлечь возраст и пол с ошибкой меньше 5 лет? Мы сталкивались с проектами, где стандартные модели InsightFace давали MAE 8 лет на некачественных снимках. Пересобрали пайплайн: мультизадачная сеть с распределённой регрессией и аугментацией под специфику заказчика. Результат — 4.2 года MAE на реальных данных. Опыт в компьютерном зрении — более 7 лет, реализовали 15+ проектов по распознаванию лиц для ритейла и безопасности.

Определение возраста и пола по изображению лица — задача computer vision с применением в retail аналитике (демографический профиль посетителей), системах адаптивного контента, медицинских исследованиях, проверке возраста (age gate). Обе задачи часто реализуются единой мультизадачной моделью.

Почему мультизадачная модель лучше двух отдельных?

Одна backbone, обучающаяся на двух связанных задачах, извлекает более общие признаки лица. Совместное обучение улучшает обобщение: градиенты от задачи пола помогают регрессии возраста, и наоборот. На практике это даёт выигрыш MAE на 0.5–1 год по сравнению с двумя независимыми сетями.

Архитектура и обучение модели

import torch import torch.nn as nn import timm class AgeGenderModel(nn.Module): """Единая модель для одновременного предсказания возраста и пола""" def __init__(self, pretrained_backbone: str = 'efficientnet_b2'): super().__init__() backbone = timm.create_model(pretrained_backbone, pretrained=True, num_classes=0) self.backbone = backbone feat_dim = backbone.num_features # 1408 для B2 # Shared representation self.shared = nn.Sequential( nn.Linear(feat_dim, 512), nn.GELU(), nn.Dropout(0.3) ) # Отдельные головы для каждой задачи self.age_head = nn.Linear(512, 1) # регрессия (MAE) self.gender_head = nn.Linear(512, 2) # классификация (CE) def forward(self, x): features = self.backbone(x) shared = self.shared(features) age = self.age_head(shared).squeeze() gender_logits = self.gender_head(shared) return age, gender_logits 

Возраст как регрессия vs классификация: regression даёт непрерывный результат (32.4 года), classification по диапазонам (30–35 лет) менее точна но удобнее для некоторых применений. Распределённая регрессия (DLDL — Distribution Learning) — лучший подход: возраст моделируется как вероятностное распределение, а не точечное значение.

Функции потерь для мультизадачного обучения

def multitask_loss(age_pred, age_true, gender_logits, gender_true, age_weight=1.0, gender_weight=0.5): # MAE для возраста + CE для пола age_loss = nn.L1Loss()(age_pred, age_true.float()) gender_loss = nn.CrossEntropyLoss()(gender_logits, gender_true) # Uncertainty weighting (Kendall et al.) return age_weight * age_loss + gender_weight * gender_loss 

Датасеты и аугментация

Что даёт аугментация для точности?

Без аугментации модель переобучается на домене датасета — падает на «диких» фотографиях. Мы применяем random brightness/contrast, blur, coarse dropout, чтобы имитировать реальные условия (плохой свет, перекрытия). Это снижает MAE на 1–1.5 года на валидации.

import albumentations as A from albumentations.pytorch import ToTensorV2 train_transform = A.Compose([ A.Resize(224, 224), A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(brightness_limit=0.3, contrast_limit=0.3, p=0.5), A.GaussianBlur(blur_limit=(3, 7), p=0.2), A.CoarseDropout(max_holes=4, max_height=30, max_width=30, p=0.3), A.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ToTensorV2() ]) 

Метрики производительности

MAE 4–6 лет — типичный результат для «дикой природы» (selfies, фото разного качества). В контролируемых условиях (фронтальный портрет, хорошее освещение) — 3–4 года.

Этика и bias

Модели, обученные на IMDB-Wiki, имеют недопредставление пожилых людей и некоторых этнических групп. FairFace датасет специально сбалансирован для снижения bias. При использовании для принятия решений (age gate) — обязательно тестирование на fairness across demographic groups.

Процесс работы

1. Аналитика и сбор требований — определяем целевые метрики, источники данных, ограничения по latency.
2. Сбор и разметка данных — если нужна кастомная разметка, привлекаем краудсорсинг с контролем качества.
3. Прототипирование — быстрый тест нескольких архитектур (EfficientNet, MobileNet, ViT) на небольшой выборке.
4. Тренировка и валидация — полный цикл: аугментация, мультизадачное обучение, оптимизация гиперпараметров.
5. Тестирование на перекрёстных выборках — оценка bias, проверка на реальных данных заказчика.
6. Деплой — упаковка в Triton Inference Server или SageMaker, API (REST/gRPC), документация.
7. Мониторинг дрейфа — отслеживаем смещение распределения возраста/пола, автоматические алерты.

Что входит в работу

• Документация пайплайна (препроцессинг, архитектура, обучение).
• Обученная модель с весами и конфигами.
• API для интеграции (примеры на Python, cURL).
• Отчёт по bias-метрикам ожидаемой точности на ваших данных.
• Обучение ваших инженеров (2 часа воркшопа).
• Гарантия на модель: фиксация метрик в контракте.

Сроки ориентировочно

Стоимость рассчитывается индивидуально — зависит от размера датасета, требуемой точности и необходимости разметки. Оценим проект бесплатно — пишите на [email protected].

Гарантируем прозрачность пайплайна и API, который встраивается в вашу инфраструктуру за день. Получите консультацию — свяжитесь с нами.