C3AE：探索紧凑模型在年龄估计中的极限
计算机视觉与模式识别
2019-04-12 v2
摘要
年龄估计是计算机视觉中一个经典的学习问题。许多更大更深的 CNN 已被提出并展现出良好性能，如 AlexNet、VggNet、GoogLeNet 和 ResNet。然而，这些模型对于嵌入式/移动设备并不实用。近来，MobileNets 和 ShuffleNets 被提出以减少参数量，从而得到轻量级模型。但由于采用了深度可分离卷积，它们的表征能力被削弱。在本工作中，我们探究了紧凑模型在小尺度图像上的极限，并提出一种极其紧凑且高效的基于级联上下文的年龄估计模型(C3AE)。该模型参数量仅为 MobileNets/ShuffleNets 和 VggNet 的 1/9 和 1/2000，同时取得了具有竞争力的性能。特别地，我们通过两点表示重新定义了年龄估计问题，并由一个级联模型实现。此外，为充分利用人脸上下文信息，提出了多分支 CNN 网络以聚合多尺度上下文。实验在三个年龄估计数据集上进行。紧凑模型上的 SOTA 性能以较大优势被取得。
引用
@article{arxiv.1904.05059,
title = {C3AE: Exploring the Limits of Compact Model for Age Estimation},
author = {Chao Zhang and Shuaicheng Liu and Xun Xu and Ce Zhu},
journal= {arXiv preprint arXiv:1904.05059},
year = {2019}
}
备注
accepted by cvpr2019