Abstract:
L'estimation d'âge à partir d'images faciales constitue un défi important dans le domaine de
la vision par ordinateur, avec des applications variées telles que la sécurité, l'analyse démographique et les interfaces homme-machine. Dans ce contexte, ce mémoire propose une approche
efficace combinant des architectures CNN puissantes et une régression directe, démontrant une
performance compétitive par rapport aux méthodes existantes.
notre système suit un pipeline complet comprenant plusieurs étapes clés : la détection du visage à l'aide de MTCNN , une étape d'alignement , de redimensionnement, suivie de l'extraction
et de la fusion des caractéristiques issues des deux réseaux CNN,à savoir ResNet152V2 et DenseNet121.Ces caractéristiques sont ensuite fusionnées et utilisées comme entrée d'un modèle
de régression directe, permettant de prédire l'âge sous forme d'une valeur numérique continu.
Le modèle a été entraîné et évalué sur la base de données UTKFace , puis testé sur FG-NET
afin d'évaluer sa capacité de généralisation. Les résultats obtenus montrent une erreur absolue
moyenne (MAE) de 4,71 ans sur UTKFace et de 5,19 ans sur FG-NET.
