Comparative Analysis of CNNs and Vision Transformers for Age Estimation
[ES] Los transformadores de visión han adquirido recientemente una importancia significativa en las tareas de visiónn por ordenador debido a sus mecanismos de autoatención. Anteriormente, las CNN dominaban el campo de la visión por ordenador al lograr resultados notables en diversas aplicaciones com...
| Autores: | , , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad de León |
| Repositorio: | BULERIA. Repositorio Institucional de la Universidad de León |
| OAI Identifier: | oai:buleria.unileon.es:10612/26525 |
| Acceso en línea: | https://hdl.handle.net/10612/26525 |
| Access Level: | acceso abierto |
| Palabra clave: | Ingenierías Visión por computadora CNNs Transformadores de visión VGG-16 ResNet-50 EfficientNet-B0 ViT 3311.01 Tecnología de la Automatización |
| Sumario: | [ES] Los transformadores de visión han adquirido recientemente una importancia significativa en las tareas de visiónn por ordenador debido a sus mecanismos de autoatención. Anteriormente, las CNN dominaban el campo de la visión por ordenador al lograr resultados notables en diversas aplicaciones como la clasificación de imágenes o el reconocimiento de objetos, entre otras. Sin embargo, con la llegada de los Transformadores de Visión, ha surgido una intensa competencia entre ambos. Este artículo presenta un análisis comparativo del rendimiento de las CNNs y los Transformadores de Visión para la tarea de estimación de la edad en los conjuntos de datos FG-NET y UTKFace. Realizamos la estimación de la edad utilizando seis modelos, incluidos tres modelos de CNN (VGG-16, ResNet-50, EfficientNet-B0) y tres modelos de transformadores de vision (ViT, CaiT, Swin). Nuestros resultados experimentales muestran que el transformador Swin superó tanto a la CNN como a los demás transformadores de visión, alcanzando un error medio absoluto (MAE) de 2,79 años con una puntuación acumulada (CS) del 83,90% en FG-NET y un MAE de 4,37 años con una CS del 68,73% en UTKFace. |
|---|