论文阅读《Neural networks for facial age estimation : a survey on recent advances》
文章目录
面部年龄估计:应用和挑战
应用:
- 刑事调查:根据不同来源收集的年龄信息确定被告。
- 商业:根据一个人的年龄群甚至性别来个性化购物体验。
- 监视和安全:如防止未成年人观看成人电影和其他年龄限制的相关材料。
- 人类识别:可以从以前的图像中辨认出失踪的老人。
- 招聘:确定招聘人员年龄或找到即将达到退休年龄的员工。
- 等等
挑战
- 难以估计准确的年龄,因为它依赖于准确的特征。
- 有年龄和性别资料的良好数据库的可用性有限。
- 大量的标签数据也给面部年龄带来了问题。
- 胡须、眼镜等伪装因素。
- 皮肤感染、化妆、饮食、成年时皮肤问题的变化和同概念时面部形状的变化。
- 图像中的面部表情,微笑、皱眉、大笑、哭泣会在前额、脸颊、眼周、嘴巴或鼻子等部位产生皱纹,这些都会对于年龄估计产生很大的影响。
- 环境中的姿态、遮挡、光线、颜色模式和种族也是一大挑战。
神经网络
Artifical neural networks
- 前馈神经网络
- 反馈神经网络
Convolutional neural networks
CNN模型的一般结构如上图;
- AlexNet
- VGG-16
- GoogLeNet
- dagi-CNN
- ResNet
AlexNet:
AlexNet是一个总共8层的组合。5个卷积层,卷积层之后是最大池化,最后三层是全连接层。每个卷积层和全连接层之后都附加一个ReLU层。为了控制过拟合问题,在每一个全连接层之后还附加了一个dropout层。如上图。AlexNet前五位误差为16.4%
VGG-16
VGG-16是一个非常统一的架构,有16个卷积层,5个最大池化层ÿ