用于跨数据集人脸年龄估计中偏差缓解的更平缓损失函数
计算机视觉与模式识别
2020-10-28 v2 人工智能
摘要
现有人脸年龄估计研究大多假设训练与测试图像在相似拍摄条件下获取。然而，在真实应用场景中这很少成立，训练集与测试集通常具有不同特性。本文倡导一种用于年龄估计基准测试的跨数据集协议。为提升跨数据集年龄估计性能，我们缓解了学习算法本身所引发的内在偏差。为此，我们提出一种对神经网络训练更有效的新型损失函数。所提损失函数的相对平滑性是其相对于随机梯度下降（SGD）所执行优化过程的优势。与现有损失函数相比，所提损失函数较低的梯度使 SGD 收敛至更优极值点，从而带来更好的泛化能力。跨数据集实验结果证明了所提方法在精度与泛化能力方面优于当前最优（SOTA）算法。
引用
@article{arxiv.2010.10368,
title = {A Flatter Loss for Bias Mitigation in Cross-dataset Facial Age Estimation},
author = {Ali Akbari and Muhammad Awais and Zhen-Hua Feng and Ammarah Farooq and Josef Kittler},
journal= {arXiv preprint arXiv:2010.10368},
year = {2020}
}