MétaCan
Menu
← Retour à la cohorte
Enregistrement W7153507188 · doi:10.14447/jnmes/v28i3.a08

AI Based Multilevel Gaussian Random Volleyball Premier League Thresholding (MLGRVPL) and ABI-LSTM Classifier for Age Estimation In Facial Wrinkles

2025· article· W7153507188 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueFace recognition and analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeagueThresholdingPattern recognition (psychology)Classifier (UML)GaussianGaussian process

Résumé

récupéré en direct d'OpenAlex

With the popularity of video recording equipment including webcams and digital cameras.IPTs (Image processing techniques) have been evolving and are being applied on manyapplications, including medical imaging, identity verifications, computer vision, facial/skin detections.Existing techniques to image-based ageing skin analysis focus on wrinkles as texture rather than curvilinear discontinuity/crack characteristics.Simultaneously, an optimum thresholding approach is proposed to efficiently segregate the improved wrinkles region.Due to lighting differences and other skin factors that produce intense double gradients on wrinkle, global or standard threshold values chosen as mean values are inefficient for segmenting wrinkle regions from skins.To address this issue, this work introduces MLGRVPL (Multilevel Gaussian Random Volleyball Premier League Thresholding) segmentations for accurate segmentations of wrinkled regions.The introduced FWSD-IP (Face Wrinkles Segmentation and Detection with Image processing) system for estimating ages segments exact locations of wrinkles with respect to cracks, discontinuities and irregularities.The estimations of age via features occur from facial images.The proposed system is performed based on five major steps namely Pre-processing, segmentations, feature extractions, wrinkles detections, and age estimations.In the first step, preprocessing is performed by angular rotations.In the second step, MLGRVPL algorithm determines values that can be optimal threshold values followed by use of ALTPs (Adaptive Local Ternary Patterns), GLCMs (Grey-Level Co-Occurrence Matrices), and AAMs (Active Appearance Models) in the third step for assessments of variations in poses or illuminations.In the fourth step, GMM-EM (Gaussian Mixture Model-Expectation-Maximization) algorithm detects irregularities in wrinkles, Gabor filters and image morphologies are also used for detecting discontinuities/cracks in facial wrinkles.In the fifth step, age estimations are performed based on detected wrinkles using ABi-LSTMs (Attention Bidirectional Long Short-Term Memories) which classify instances.The results of age estimation methods are measured via the evaluation metrics such as MAEs (Mean Absolute Errors), CSs (Cumulative Scores), SSIMs (Structural Similarity Indices), JSIs (Jaccard Similarity Indices), and accuracy.The experimentations of the proposed work were executed on the FG-NET database.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,294
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of New Materials for Electrochemical Systems→Même sujetFace recognition and analysis→Travaux en français237 207→