Age-Gender Detection CNN

نظام ذكي لاكتشاف العمر والجنس من الصور باستخدام الشبكات العصبية (CNN)

يهدف هذا المشروع إلى معالجة أحد التطبيقات المهمة في مجال الرؤية الحاسوبية، وهو استخراج المعلومات الديموغرافية (العمر والجنس) من الصور بدقة مقبولة ووقت استجابة مناسب. تعتمد العديد من الأنظمة الحديثة — مثل أنظمة التحليل التسويقي، أنظمة الأمان، والتجارب المخصصة للمستخدمين — على فهم خصائص المستخدمين بصريًا، إلا أن بناء نموذج قادر على أداء هذه المهمة بكفاءة يمثل تحديًا تقنيًا حقيقيًا.

تكمن الصعوبة في أن تقدير العمر يُعد مشكلة انحدار (Regression) تتطلب دقة رقمية عالية، بينما تحديد الجنس يُعد مشكلة تصنيف (Classification)، مما يستدعي تصميم نموذج قادر على تنفيذ مهمتين مختلفتين في الوقت نفسه دون التأثير السلبي على الأداء العام. لذلك تم تطوير نموذج تعلم عميق متعدد المهام (Multi-Task Learning) باستخدام الشبكات العصبية الالتفافية (CNN) عبر TensorFlow وKeras، بحيث يتعلم النموذج السمات البصرية المشتركة ثم ينتج مخرجين منفصلين لكل مهمة.

تم تدريب النموذج على مجموعة بيانات UTKFace التي تضم أكثر من 20 ألف صورة لوجوه بشرية مصنفة حسب العمر والجنس، مع تنفيذ عملية التدريب على بيئة Kaggle باستخدام معالج رسومي Tesla T4 لضمان كفاءة وسرعة التنفيذ. وقد حقق النموذج متوسط خطأ في تقدير العمر (MAE) يبلغ حوالي 5.09 سنوات، ودقة في تصنيف الجنس تصل إلى 82.5%، بزمن تدريب يقارب 52 دقيقة.

يعكس هذا المشروع القدرة على التعامل مع بيانات الصور، معالجة البيانات وتجهيزها، تصميم بنية CNN مناسبة، تقييم النموذج باستخدام مقاييس أداء دقيقة، وتحسين النتائج للوصول إلى توازن بين الدقة والكفاءة الحسابية.