权威科学出版物《物理学杂志》（Journal of Physics）
发表了一篇文章 ，描述了创建神经网络以决定一个人的年龄和性别的工作结果。
有问题的开发商在安德烈·萨维琴科（Andrei Savchenko）的领导下，在高等经济学院实施了他们的项目。 该小组提出了一种新的方法来分析视频中的人类数据，该方法是神经网络工作的基础，属于
卷积神经网络的一类。
该方法本身包括视频的逐帧分析，重点放在人的单个帧上。 进一步的分析有两个方向。 第一个允许您确定一个人的平均年龄，第二个可以确定其性别。 像往常一样，神经网络最初是经过训练的，作为主要训练的视频库包括1165个视频。
作者指出，他们的神经网络可以确定一个人的年龄，准确度约为71％，性别为88％。 作者计划使用他们的开发来为Android创建一个移动应用程序。
开发创新之处在于，神经网络被教导可以与视频一起使用。 至于图像，神经网络早已能够确定一个人的年龄和性别，并且在这种情况下系统的准确性非常高。 但是，如果您需要处理视频，则任务很复杂，因为与可以清晰看到他的脸的人选择清晰的帧并不容易。
在标准方案中，将使用一个人的0到100岁之间的年龄估算值，然后对整个年龄范围进行分析，以表明图像中的人正好这么多岁。 例如，他属于25-30岁年龄段的概率为10％，30-35-35％，例如50-55岁-60％。
该算法基于带有Python 3.6的Pycharm IDE实现。 不需要这种神经网络的许多资源-测试是在具有Intel Core i5-2400 CPU，NVIDIA GeForce GT 440图形卡和64位Windows 7的常规台式PC上进行的。此外，该系统已在具有Android OS（Android版本）的移动设备上进行了测试和移动设备的特性未标出）。
预期的Android应用程序GUI对于移动应用程序，其主要元素是带有视频演示（从摄像机捕获）的窗口。 神经网络分析单个框架并尝试指示该人的年龄和性别。
根据开发人员的说法，识别一个人的各种特征（包括他的年龄和性别）的主要问题是，专门从事此任务的神经网络的训练太有限了。 视频和图像的数据库相对较小，但是所有人（包括相同性别和年龄类别的代表）都非常不同。
有趣的是，从这篇文章中训练神经网络所依据的数据库之一是，所有视频均来自印度电影。 数据库中总共有322个不同的视频，具有34,512帧。 录像包含了数百名印度演员的场景。 为方便起见，他们分为4个年龄类别：“儿童”，“青年”，“中年”，“老年人”。 至于时间表，则是1-12岁，13-30岁，31-50岁，50岁以上。
神经网络不仅可以根据人或身体的照片或视频来确定人的性别和年龄。 例如，由Google和Verily创建的神经网络不仅
可以识别所指示的特征，还
可以识别平均血糖HbA1c，BMI，动脉收缩压SBP，动脉舒张压DBP。 系统会显示一个人是否吸烟。 而这一切-根据眼底。
为了训练该神经网络，开发人员使用了包含大约300,000张照片的图像数据库。 EyePACS和UK Biobank提供的信息。 据医生介绍，一种新的诊断方法可以帮助医生快速做出诊断。 AI不仅可以加速，而且可以提高诊断的准确性。 医生只需要这种帮助，因为人工医生并不总是能够快速有效地工作，尤其是在一天结束时。 结果，诊断的准确性和规定的治疗过程的正确性受到损害。