本文介绍了cvpr2018 oral论文，利用GAN解决人脸年龄预测和个体信息保留问题。通过多loss（GAN loss，像素loss，身份loss）和金字塔结构的判别器提升效果。实验表明，该方法在遮挡和化妆情况下具有高鲁棒性，对年龄准确性和个人信息保留有显著提升。
概述
这是一篇cvpr2018的oral文章，大体内容是用时下非常流行的GAN网络做人脸的年龄老化图片生成，主要的贡献点在于：
1、同时解决了生成图片年龄准确性和个人信息保留两个核心问题。
2、在实验过程中注意到了人脸前额和头发的保留能提升实验结果，于是采用完整的而非裁剪过的图片作数据集。
3、在各个数据集上取得了很好的效果，并在图片有遮挡，化妆的情况下表现出很强的鲁棒性。
显然整篇文章的核心还是在于第一个贡献点。
方法
我认为文章提出的方法主要有两个亮点，一个是多loss，GAN网络的loss+个人信息保留的loss+pixel的loss，
另一个则是判别器的多尺度提取特征，也就是文章标题的金字塔结构。
生成器
生成器的结构比较简单，先encode再decode的一个U型结构，三层卷积层，四层残差，最后三层转置卷积，每一层卷积层后都接一个BN和ReLU，并且整个网络都没有pooling层，而是用大小为3，步长为2的卷积层下采样，这些都是目前CNN的常规配置。
生成器的loss由三部分组成：
最低0.47元/天 解锁文章
1085
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
