A RANKING APPROACH FOR HUMAN AGE ESTIMATION BASED ON FACE IMAGES 笔记

概述

这是一篇icpr2010的文章,主题是人脸年龄估计,虽然年代已经十分久远,并且使用的也是传统机器学习方法(SVM)而非时下流行的深度学习,但文章中的ranking approach的思想仍然沿用至今.

文章首先提到,做年龄估计主要有两种方法:一种是多分类,把年龄的具体数值(整数)当成类别,这种做法的主要问题在于没有考虑到类别之间的相互联系,认为类与类之间是无关的,效果并不好;另一种是当作回归问题,这种做法虽然考虑到了年龄的具体数值之间的内在联系,但却忽略了人的老化并不是静态的过程,从5岁到10岁的变化和50岁到55岁的变化显然是不相同的,而在回归的度量函数中却认为是等价的,所以也存在缺陷.

作者认为,只有年龄之间的相对关系是稳定不变的,并且基于人们更善于比较两个人的年龄关系而非直接估计的观察,提出了用 SVM实现的ranking approch,将原本的多分类问题转变为若干个二分类问题.

方法

假设年龄的分布是1~70岁,那么整个年龄估计的大问题就分成了69个子问题,每个子问题都是一个二分类问题,分别为:是否大于1岁,是否大于2岁...是否大于69岁(显然不可能大于70岁).对于每个二分类问题,都用如下形式进行计算:

 

也就是用若干平行的超平面(仅仅是偏置不同)对样本进行划分,每个f(xi,k)就是xi对于第k个二分类的输出结果.

函数φ(xi)是SVM理论的核函数中的映射,将xi从样本空间映射到高维空间,用于解决线性不可分问题.

最终,对于每个样本xi的年龄估计结果如下:

 

实验

分别在Morph和FG-NET两个数据集上实验,在CS和MAE两项指标中都取得了state-of-the-art的结果.

总结

这篇文章基于年龄这一标签独有的性质,提出了将多分类问题转化为多个二分类问题的重要方法,可以说为后面的ordinal regression理论在年龄估计这一领域的发展奠定了基础.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值