用于年龄估计的深度回归森林
计算机视觉与模式识别
2017-12-21 v1
摘要
基于人脸图像的年龄估计通常被视作一个非线性回归问题。该问题的主要挑战在于，由于同一年龄不同个体间面部外观差异巨大以及衰老模式的非平稳特性，与年龄相关的面部特征空间是异构的。本文提出一种端到端模型——深度回归森林（DRFs），用于年龄估计。DRFs将分裂节点连接到卷积神经网络（CNN）的全连接层，并通过在分裂节点联合学习输入依赖的数据划分、在叶节点联合学习数据抽象来处理异构数据。该联合学习遵循交替策略：首先，固定叶节点，通过反向传播优化分裂节点及CNN参数；然后，固定分裂节点，通过迭代一个由变分边界导出的无步长且快速收敛的更新规则来优化叶节点。我们在三个标准年龄估计基准上验证了所提出的DRFs，并在所有基准上取得了最先进的性能。
引用
@article{arxiv.1712.07195,
title = {Deep Regression Forests for Age Estimation},
author = {Wei Shen and Yilu Guo and Yan Wang and Kai Zhao and Bo Wang and Alan Yuille},
journal= {arXiv preprint arXiv:1712.07195},
year = {2017}
}