概述
这一篇cvpr2016的文章,主题是利用多输出CNN(多任务)结合有序回归的思想来解决人脸估计问题,主要的贡献点有两个:
1、用端到端的多任务CNN模型代替之前的SVM处理有序回归问题
2、提供了一个新的以亚洲人为主的人脸年龄数据集AFAD
方法
首先根据前人的思路,将多分类问题转化为多个二分类问题,更好地利用年龄之间相对关系不变的性质,其次将模型换成端到端的多任务CNN模型,更好地将特征提取和分类相结合,基于低层信息共用的思想,整个网络只有一个特征提取器,提取的特征被后面的多任务共享,整个模型框架如下:
这里的CNN结构由于年代的原因就不用再仔细研究了,如今的人脸问题大多采用预训练的VGG16或者残差网络.
损失函数就是采用的交叉熵:
实验
实验在morph和AFAD两个数据集上进行,分别将SVM,MR-CNN(当成回归模型,L2-loss)和ORCNN进行对比,发现CNN模型和Ordinal Regression都对结果有一定的提升: