基于语义分割的区域感知池化从人脸图像估计BMI
计算机视觉与模式识别
2021-04-26 v1
摘要
身体质量指数（BMI）传达了关于个体生活的重要信息，如健康与社会经济状况。大规模自动估计BMI可助预测若干社会行为，如健康、工作机会、友谊与受欢迎度。近期工作要么采用手工几何人脸特征，要么采用人脸级深度卷积神经网络特征进行人脸至BMI预测。手工几何人脸特征缺乏泛化性，而人脸级深度特征不具备详尽局部信息。尽管有用，这些方法遗漏了精确BMI预测所必需的详尽局部信息。本文中，我们提议使用从不同人脸区域（眼、鼻、眉、唇等）池化的深度特征，并表明这种来自人脸区域的显式池化可显著提升BMI预测性能。为解决准确像素级人脸区域定位问题，我们提议在框架中采用人脸语义分割。使用不同卷积神经网络（CNN）骨干（包括FaceNet与VGG-face）在三个公开数据集VisualBMI、Bollywood与VIP attributes上进行了充分实验。实验结果表明，相较近期工作，所提Reg-GAP在VIP-attribute上提升22.4%，在VisualBMI上提升3.3%，在Bollywood数据集上提升63.09%。
引用
@article{arxiv.2104.04733,
title = {Estimation of BMI from Facial Images using Semantic Segmentation based Region-Aware Pooling},
author = {Nadeem Yousaf and Sarfaraz Hussein and Waqas Sultani},
journal= {arXiv preprint arXiv:2104.04733},
year = {2021}
}
备注
Accepted for publication in computers in biology and medicine