Bernstein Netzwerk Computational Neuroscience
  • Home
  • Netzwerk
    • Das Bernstein Netzwerk
    • Bernstein Zentren
      • Berlin
      • Freiburg
      • Göttingen
      • München
      • Tübingen
      • Heidelberg-Mannheim
    • Bernstein Nodes
      • Bernstein Node Bochum
      • Bernstein Node Rhein-Main Region
    • Forschungsinfrastruktur
      • High Performance Simulation and Data Analysis
      • Forschungsdaten-Management
      • Wissenschaftskommunikation
      • Wissenschaftskoordination
    • Preise und Initiativen
      • Valentin Braitenberg Award
      • Brains for Brains Nachwuchspreis
      • Bernstein SmartSteps
    • Gremien des Netzwerks
    • Ethos des Netzwerks
    • Satzung
    • Mitgliedschaft
    • Historie
    • Spenden
    • Kontakt
  • Newsroom
    • Newsroom
    • Aktuelles
    • Veranstaltungen
    • Ausschreibungen
    • Medienecho
    • Publikationen des Netzwerks
    • Bernstein Bulletin
    • Presse
  • Forschung und Lehre
    • Forschung und Lehre
    • Meet the Scientist
    • Wissenschaftler:innen finden
    • Studienprogramme
      • Masterprogramme
      • Promotionsprogramme
    • Studienangebote
      • Bernstein Student Workshop Series
      • Online Learning
      • Kurse für Fortgeschrittene
      • Praktika und Abschlussarbeiten
      • Podcasts
  • Karriere
    • Karriere
    • Stellenangebote
    • Praktika und Abschlussarbeiten
  • Bernstein Conference
    • Bernstein Conference
    • Program
    • Abstract Submission
    • Early Career Scientists
      • PhD Symposium
      • Postdoc Meeting
      • Travel grants
    • General Information
      • Important Dates & FAQ
      • Plan Your Visit
    • Past Bernstein Conferences
  • DE
  • EN
  • Click to open the search input field Click to open the search input field Suche
  • Menü Menü
Sie sind hier: Startseite1 / Newsroom2 / Aktuelles3 / Algorithmus schätzt Alter und ethnische Herkunft
Bochum – 15. Juni 2020

Algorithmus schätzt Alter und ethnische Herkunft

Ein von Bochumer Neuroinformatikern entwickelter Algorithmus schätzt Alter und ethnische Herkunft so gut wie Menschen. Welche Zeichen er deutet, wissen sie nicht genau.

Teilprofil einer Frau/ Profile of a woman

Computer können die Zeichen der Zeit treffsicherer deuten als Menschen. © RUB, Marquard

/RUB/ Falten, Furchen, Flecken: Das Altern eines Menschen geht mit verräterischen Zeichen im Gesicht einher. Forscher vom Institut für Neuroinformatik der Ruhr-Universität Bochum (RUB) haben einen Algorithmus entwickelt, der diese Zeichen besonders zuverlässig deutet. Er erlaubt es, Alter und Ethnie von Menschen so treffsicher zu schätzen, dass die RUB-Forscher eine Zeit lang Weltmeister waren. Das RUB-Team berichtet in der Zeitschrift „Machine Learning“ vom Mai 2020.

Das System hat selbst gelernt zu schätzen

„Wir wissen gar nicht so genau, auf welche Merkmale unser Algorithmus achtet“, sagt Prof. Dr. Laurenz Wiskott vom Institut für Neuroinformatik. Denn das System hat selbst gelernt, Gesichter richtig einzuschätzen. Der erfolgreiche Algorithmus der Bochumer Wissenschaftler ist ein hierarchisches neuronales Netzwerk mit elf Ebenen. Als Eingangsdaten präsentierten die Forscher ihm mehrere Zigtausend Fotos von Gesichtern verschiedenen Alters. Das Alter war jeweils bekannt. „Traditionell ist es so, dass das System als Eingangsdaten die Bilder bekommt und als Ziel das richtige Alter und dann versucht, die Zwischenschritte dahingehend zu optimieren, dass es auf das gewünschte Alter schließt“, erklärt Erstautor Alberto Escalante.

Die Bochumer Forscher wählten jedoch einen anderen Ansatz. Sie boten dem System die vielen Gesichtsfotos nach Alter sortiert dar. Das System ignoriert dann die Merkmale, die von einem Bild zum anderen variieren, und orientiert sich nur an den Merkmalen, die sich langsam verändern. „Man kann sich das vorstellen wie einen Film aus Zigtausend Gesichterfotos“, erklärt Laurenz Wiskott. „All die Merkmale, die sich von einem Gesicht zum nächsten immer wieder verändern, wie Augenfarbe, Größe des Mundes, Länge der Nase, blendet das System aus. Es konzentriert sich auf Merkmale, die sich über alle Gesichter hinweg betrachtet langsam verändern.“ So steigt zum Beispiel die Summe der Falten in den Gesichtern langsam, aber stetig an. Der Algorithmus liegt bei der Schätzung des Alters der Personen auf den Fotos durchschnittlich nur knapp dreieinhalb Jahre daneben. Damit übertrifft er sogar Menschen an Genauigkeit, die echte Experten in Gesichtserkennung und -interpretation sind.

Auch Ethnien kann das System erkennen

Das Prinzip der Langsamkeit ermöglichte auch die sichere Erkennung der Ethnie. Die Bilder wurden dem System nicht nur nach Alter, sondern auch nach Ethnie sortiert dargeboten. Auch die für eine Ethnie charakteristischen Merkmale änderten sich daher nicht von Bild zu Bild schnell, sondern langsam, wenn auch sprunghaft. Der Algorithmus schließt mit einer Wahrscheinlichkeit von über 99 Prozent auf die korrekte Ethnie der Personen auf den Fotos, und das obgleich die mittlere Helligkeit der Bilder normiert wurde und daher die Hautfarbe nur wenig zur Erkennung beitragen konnte.

>> zur originalen Pressemitteilung

Originalpublikation

Alberto N. Escalante, Laurenz Wiskott: Improved graph-based SFA: information preservation complements the slowness principle, in: Machine Learning, 2020, DOI: 10.1007/s10994-019-05860-9

Förderung

Alberto Escalante wurde vom Deutschen Akademischen Austauschdienst und dem National Council of Science and Technology of Mexico durch ein gemeinsames Stipendium unterstützt.

Algorithmus schätzt Alter und ethnische Herkunft

1. Dezember 2020/in /von Alexandra Stein

Kontakt Aktuelles

Kontakt

Prof. Dr. Laurenz Wiskott


Institut für Neuroinformatik

Ruhr-Universität Bochum


+49 234 32-27997

laurenz.wiskott@rub.de

Bernstein Netzwerk Computational Neuroscience Logo

Mitglied werden
Satzung
Spenden
Newsletter abonnieren

 

Folgen Sie uns auf

LinkedIn
Bluesky
Vimeo
X
© 2025 Bernstein Netzwerk Computational Neuroscience
  • Kontakt
  • Impressum
  • Datenschutz
Nach oben scrollen Nach oben scrollen Nach oben scrollen
Cookie-Zustimmung verwalten
Wir verwenden Cookies, um unsere Website und unseren Service zu optimieren.
Funktional Immer aktiv
Der Zugriff oder die technische Speicherung ist unbedingt für den rechtmäßigen Zweck erforderlich, um die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Abonnenten oder Nutzer ausdrücklich angefordert wurde, oder für den alleinigen Zweck der Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Voreinstellungen erforderlich, die nicht vom Abonnenten oder Nutzer beantragt wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Aufforderung, die freiwillige Zustimmung Ihres Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht zu Ihrer Identifizierung verwendet werden.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
Optionen verwalten Dienste verwalten Verwalten Sie {vendor_count} Lieferanten Lesen Sie mehr über diese Zwecke
Einstellungen
{title} {title} {title}