Celeb-FBI: A Benchmark Dataset on Human Full Body Images and Age, Gender, Height and Weight Estimation using Deep Learning Approach

在监控、识别、图像检索系统和医疗保健领域中，全面数据集的稀缺性为研究人员在探索新方法和推进这些领域的知识方面带来了重大挑战。此外，在时尚产业分析、人体工程设计评估、虚拟现实头像创建和体育表现分析等领域，需要具有详细属性（如身高、体重、年龄和性别）的全身图像数据集尤为重要。为了填补这一空白，我们创建了“Celeb-FBI”数据集，其中包含7,211张全身照片，附有关于被摄者身高、年龄、体重和性别的详细信息。在数据集创建后，我们进行了预处理阶段，包括图像清理、缩放和应用合成少数类过采样技术（SMOTE）。随后，利用这个准备好的数据集，我们采用了三种深度学习方法：卷积神经网络（CNN）、50层ResNet和16层VGG，用于从人类全身图像中估计身高、体重、年龄和性别。从所得结果来看，ResNet-50表现最佳，其年龄准确率为79.18％，性别准确率为95.43％，身高准确率为85.60％，体重准确率为81.91％。

解决问题：论文试图解决什么问题，或者验证什么假设？这是否是一个新问题？

关键思路：论文中解决问题的方案关键思路是什么？相比当前这个领域的研究状况，这篇论文的思路有什么新意？

其他亮点：论文提出了Celeb-FBI数据集，包含详细的身高、体重、年龄和性别信息。使用三种深度学习方法进行预测，其中ResNet-50表现最佳。实验设计合理，结果表明该方法在身高、体重、年龄和性别预测方面表现良好。

相关研究：最近在这个领域中，还有哪些相关的研究被进行？能否列举一些相关研究的论文标题？