用于鲁棒人脸年龄估计的自适应均值残差损失
计算机视觉与模式识别
2022-10-20 v1 人工智能
图像与视频处理
摘要
自动化人脸年龄估计在多媒体分析（如视频监控、人机交互）中有多种现实应用。然而，由于衰老过程的随机性和模糊性，年龄评估具有挑战性。该主题的大多数研究将任务视为年龄回归、分类和排序问题之一，无法很好地利用年龄分布来表示具有年龄模糊性的标签。本文中，我们提出了一种简单而有效的损失函数，通过分布学习实现鲁棒人脸年龄估计，即自适应均值残差损失；其中，均值损失惩罚估计年龄分布的均值与真实年龄之间的差异，而残差损失惩罚分布中动态前 K 个之外年龄概率的熵。在 FG-NET 和 CLAP2016 数据集上的实验结果验证了所提损失的有效性。我们的代码可在 https://github.com/jacobzhaoziyuan/AMR-Loss 获取。
引用
@article{arxiv.2203.17156,
title = {Adaptive Mean-Residue Loss for Robust Facial Age Estimation},
author = {Ziyuan Zhao and Peisheng Qian and Yubo Hou and Zeng Zeng},
journal= {arXiv preprint arXiv:2203.17156},
year = {2022}
}
备注
Accepted by IEEE International Conference on Multimedia and Expo (ICME 2022)