这是IEEE的一篇文章,因为和我做的有点关系,于是拜读之。
论文的idea:使用CNN提取特征后,再用流形学习来降维,最后来做回归或者分类。
论文中的CNN网络结构:
两个convolution,两个pooling,再加一个fc,其中第一个convolution的size为5*5,第二个为7*7,pooling为2*2。
作者提出将L2到L6层的特征全部提取出来,然后串联起来,但是这样维数很大,于是引出降维的使用,使用PCA不会降低精度,但是训练速度会加快,于是后面再降维上,作者提出使用流形学习的三种方法:
Marginal Fisher Analysis (MFA) 、Orthogonal Locality Preserving Projections (OLPP) 、 and Locality Sensitive Discriminant Analysis 。
对比试验如下:
文章试验使用的数据集是:其中FG-NET更适合。
在试验中,使用回归和分类用于年龄估计,四种方法的结果如下,其中SVM用于分类,SVR等用于回归。最后作者证明不论是提取一层特征还是提取多层特征,效果都是比其他的方法好。