- 《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。