Una red neuronal desarrollada por científicos rusos ha aprendido a determinar la edad del video con un alto grado de precisión.

Una publicación científica autorizada, Journal of Physics, publicó un artículo que describe los resultados del trabajo sobre la creación de una red neuronal que determina la edad y el género de una persona.

Los desarrolladores en cuestión implementaron su proyecto en la Escuela Superior de Economía bajo el liderazgo de Andrei Savchenko. El equipo propuso un nuevo método para analizar datos humanos de video, este método es la base del trabajo de la red neuronal, que pertenece a la clase de las convolucionales .

El método en sí consiste en el análisis de video cuadro por cuadro, con énfasis en los cuadros individuales de una persona. Un análisis posterior va en dos direcciones. El primero le permite determinar la edad promedio de una persona, el segundo, su género. Como de costumbre, la red neuronal se entrenó originalmente, la base de video, que sirvió como entrenamiento principal, incluye 1165 videos.

Los autores indican que su red neuronal puede determinar la edad de una persona con una precisión de aproximadamente el 71%, género - 88%. Los autores planean usar su desarrollo para crear una aplicación móvil para Android.

La innovación de desarrollo es que la red neuronal se enseñó a trabajar con video. En cuanto a las imágenes, las redes neuronales han podido determinar durante mucho tiempo la edad y el género de una persona, y la precisión de los sistemas en este caso es bastante alta. Pero si necesita trabajar con video, la tarea es complicada, ya que no es tan simple seleccionar un marco claro con una persona donde se pueda ver claramente su rostro.

El esquema estándar utiliza una estimación de la edad de una persona de 0 a 100 años, luego analiza la escala de edad completa, indicando la probabilidad de que una persona en la imagen tenga exactamente tantos años. Por ejemplo, la probabilidad de que pertenezca al grupo de edad de 25-30 años es del 10%, 30-35 - 35% y, por ejemplo, 50-55 años - 60%.



El algoritmo se implementa basado en Pycharm IDE con Python 3.6. No se necesitan muchos recursos de dicha red neuronal: las pruebas se llevaron a cabo en una PC de escritorio normal con CPU Intel Core i5-2400, tarjeta gráfica NVIDIA GeForce GT 440 y Windows 7 de 64 bits. Además, el sistema se probó en un dispositivo móvil con sistema operativo Android (versión de Android) y las características del dispositivo móvil no están indicadas).


Aplicación de Android GUI prevista

En cuanto a la aplicación móvil, su elemento principal es una ventana con una demostración de video (captura de la cámara). La red neuronal analiza cuadros individuales e intenta indicar la edad y el género de la persona.

Según los desarrolladores, el principal problema para reconocer diversas características de una persona, incluida su edad y género, es que la capacitación de redes neuronales que se especializan en esta tarea es demasiado limitada. Las bases de datos de videos e imágenes son relativamente pequeñas y, sin embargo, todas las personas son muy diferentes, incluidos los representantes de la misma categoría de género y edad.

Curiosamente, una de las bases de datos en base a la cual se formó la red neuronal a partir del artículo fue que todos los videos fueron cortados de películas indias. En total, había 322 videos diferentes con 34,512 cuadros en la base de datos. El video contenía escenas con cientos de actores indios. Por conveniencia, se dividieron en 4 categorías de edad: "Niños", "Jóvenes", "Edad Media", "Ancianos". En cuanto a la línea de tiempo, tiene 1-12 años, 13-30, 31-50, 50+.

Las redes neuronales pueden determinar el sexo y la edad de una persona no solo a partir de fotografías o videos de una persona o cuerpo. Por ejemplo, una red neuronal creada por Google y Verily aprendió a reconocer no solo las características indicadas, sino también el promedio de azúcar en sangre HbA1c, IMC, presión arterial sistólica SBP, presión arterial diastólica DBP. Y el sistema indica si una persona fuma o no. Y todo esto, según el fondo.



Para entrenar esta red neuronal, los desarrolladores utilizaron la base de datos de imágenes, que contenía aproximadamente 300,000 fotos. Información proporcionada por EyePACS y UK Biobank. Según los médicos, un nuevo enfoque para el diagnóstico puede ayudar a los médicos a hacer un diagnóstico rápidamente. La IA no solo puede acelerar, sino también aumentar la precisión de los diagnósticos. Los médicos simplemente necesitan esta ayuda, ya que un médico humano no siempre puede trabajar de manera rápida y eficiente, especialmente al final de la jornada laboral. Como resultado, la precisión del diagnóstico y la corrección del curso de tratamiento prescrito sufren.