年龄估计——Ordinal Regression with Multiple Output CNN

• 《Ordinal Regression with Multiple Output CNN for Age Estimation》
• CVPR2016，Zhenxing Niu et al

将传统的年龄回归问题转化为一系列二分类的子问题。
网络结构：

经过三个卷积层后，紧接着一个全连接层，然后输出k-1个通道的二分类任务。
把k个等级的顺序回归问题同，转换成k-1个二分类的子问题，对于每一个rank rk，二分类是去构建是否样本yi > rk，预测结果为{0，1}，满足为1，不满足为0。

应用到年龄识别这个特定问题上就是：输出yi的年龄值原本为1-100岁，现在将这个问题转化为100个子问题，判断该样本图片预测年龄是否大于rank {1, 2, 3, …, 100}岁，若大于rk，则该子问题输出为1，否则为0。最后根据所有的100个子问题的输出结果计算预测年龄，
最后的预测年龄为将所有的预测结果求和再加1。

损失函数：

采用cross-entropy函数作为损失函数，但对于多任务而言，每个任务都有权值系数，可以根据每个年龄数据量在总数据量中的比重。

同时，提出了亚洲人脸数据集，Asian Face Age Dataset (AFAD)
该数据集主要从人人网收集。包含了164432 的人脸图片，并且带有准确的年龄标签。其中，100752 为男性，63680为女性，年龄范围为15-40。

各阶段男女比例的分布如下面曲线图所示：

参考：http://afad-dataset.github.io/

---

######注：博众家之所长，集群英之荟萃。