🧠 Gender and Age Detection using Python

Praveen Hallur.

 

ಲಿಂಗ ಮತ್ತು ವಯಸ್ಸು ಪತ್ತೆಹಚ್ಚುವ ಪ್ರಾಜೆಕ್ಟ್ (Python)




🎯 ಉದ್ದೇಶ

ವೈಯಕ್ತಿಕರ ಮುಖವನ್ನು ಆಧರಿಸಿ ಲಿಂಗ (ಪುರುಷ / ಮಹಿಳೆ) ಮತ್ತು ಅಂದಾಜು ವಯಸ್ಸು ಪತ್ತೆಹಚ್ಚುವ Python ಆಧಾರಿತ ಪ್ರಾಜೆಕ್ಟ್.

📦 ಡೇಟಾಸೆಟ್

Adience ಡೇಟಾಸೆಟ್ ಬಳಕೆ ಮಾಡಲಾಗಿದೆ. ಈ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ 26,580 ಮುಖದ ಚಿತ್ರಗಳಿವೆ. ಇದು ವಿವಿಧ ಬೆಳಕು, ಹಿನ್ನಲೆ ಮತ್ತು ಕೋಣೆಯಲ್ಲಿ ಕ್ಲಿಕ್ಕಿಸಲಾಗಿದೆ.

ಡೇಟಾಸೆಟ್ ಲಿಂಕ್: Adience Dataset

🛠️ ಬೇಕಾಗುವ ಪೈಥಾನ್ ಲೈಬ್ರರಿಗಳು

  • OpenCV: pip install opencv-python
  • Argparse: pip install argparse

📁 ಪ್ರಾಜೆಕ್ಟ್ ಫೈಲ್‌ಗಳು

  • detect.py
  • age_net.caffemodel
  • gender_net.caffemodel
  • Sample images
  • ಡೀಟೆಕ್ಷನ್ ಮತ್ತು ಮಿಷನ್ ಲರ್ನಿಂಗ್ ಫೈಲ್‌ಗಳು (.pbtxt, .prototxt)

💻 ಎಡ್ಜ್ ಮತ್ತು ಲಿಂಗ ಪತ್ತೆ ಹೇಗೆ?

Pre-trained Caffe models ಬಳಸಿ ಪೈಥಾನ್ ಮತ್ತು OpenCV ಮೂಲಕ ಲಿಂಗ ಮತ್ತು ವಯಸ್ಸು ಅನುದಾನವಾಗಿ ಪತ್ತೆಹಚ್ಚಲಾಗುತ್ತದೆ.

🚀 ರನ್ ಮಾಡುವ ವಿಧಾನ

  1. GitHub ರೆಪೊ ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ
  2. ಕಮಾಂಡ್ ಪ್ರಾಂಪ್ಟ್ ಅಥವಾ ಟರ್ಮಿನಲ್ ಓಪನ್ ಮಾಡಿ
  3. ಪ್ರಾಜೆಕ್ಟ್ ಡೈರೆಕ್ಟರಿ‌ಗೆ ಹೋಗಿ
  4. python detect.py --image path_to_image.jpg ಅನ್ನು ರನ್ ಮಾಡಿ

📎 GitHub ಲಿಂಕ್

GitHub Repo ನೋಡಿ

👨‍💻 ಡೆವಲಪರ್: ಪ್ರವೀಣ್ ಹಳ್ಳೂರು

ಪ್ರಾಜೆಕ್ಟ್: Mini Project Bytes

____________________________________________________________________________________________________


🧠 Gender and Age Detection using Python

🎯 Objective

To build an AI-powered system that can predict the gender and age group of a person using an image or webcam feed.

📦 Dataset Used

The project uses the Adience dataset, which contains 26,580 face images across 2,284 individuals and 8 age categories. The dataset captures diverse real-world scenarios with different lighting, angles, and noise.

You can find the dataset here.

🛠️ Python Libraries Required

  • OpenCV: pip install opencv-python
  • Argparse: pip install argparse

📁 Project Structure

  • opencv_face_detector.pbtxt
  • opencv_face_detector_uint8.pb
  • age_deploy.prototxt
  • age_net.caffemodel
  • gender_deploy.prototxt
  • gender_net.caffemodel
  • detect.py
  • Sample images

🔍 How It Works

The system uses pre-trained Caffe models for age and gender detection. It applies OpenCV’s DNN module to load the models and classify gender (Male/Female) and predict age group (like 0–2, 4–6, 8–12, etc).

💻 How to Run

  1. Clone or download the GitHub repository
  2. Open a terminal or command prompt
  3. Navigate to the project folder
  4. Run the script using: python detect.py --image path_to_image.jpg

📎 GitHub Repository

Click here to view the GitHub repo

👨‍💻 Developer: Praveen Hallur

Developed under Mini Project Bytes

0 Comments