性别年龄论文阅读(4)——SSR-Net
版权声明:本文为博主原创文章,未经博主允许不得转载https://blog.csdn.net/heruili/article/details/88313751
SSR-Net: A Compact Soft Stagewise Regression Network for Age Estimation
Conference: Twenty-Seventh International Joint Conference on Artificial Intelligence {IJCAI-18}
本文提出了一种新的CNN模型,称为Soft Stagewise Regression Network(SSR-Net),用紧凑的模型大小用于单一图像的年龄估计。在DEX的启发下,我们通过多类分类处理年龄估计,然后通过计算期望值将分类结果转化为回归。SSR-Net采用从粗到细的策略,分多个阶段执行多类分类。每个阶段只负责细化前一阶段的决策,以获得更准确的年龄估计。因此,每个阶段执行的任务只有很少的类和需要的神经元,大大减少了模型的大小。为了弥补由于把年龄分段造成的量化问题,SSR-Net对每个年龄段允许其进行适当的调整,允许它根据输入的人脸图像进行移位和缩放。将多阶段策略和动态范围结合到软阶段回归的公式中。提出了一种实现软阶段回归的网络体系结构。结果SSR-Net模型非常紧凑,只需要0.32 MB。尽管它体积小,SSR-Net的表现方法的最先进的模型尺寸的方法常常是超过1500×大。SSR-Net的模型仅有0.32MB,却能取到比其大1500倍模型相当的精度.
主要内容
1.受DEX启发: 将年龄预测回归问题变为多分类问题
2.由粗到细策略,每个阶段执行部分年龄分类,任务量少(Stagewi