基于注意力动态块融合改进人脸年龄估计
计算机视觉与模式识别
2022-02-09 v1
摘要
随着卷积神经网络（CNNs）的日益普及，近期基于人脸的年龄估计工作采用这些网络作为骨干。然而，最先进的基于 CNN 的方法平等对待每个面部区域，从而完全忽略了可能包含丰富年龄相关信息的某些面部块的重要性。本文中，我们提出了一种基于人脸的年龄估计框架，称为基于注意力的动态块融合（ADPF）。在 ADPF 中，实现了两个独立的 CNN，即 AttentionNet 和 FusionNet。AttentionNet 通过采用一种新颖的排序引导多头混合注意力（RMHHA）机制动态定位并对年龄相关块进行排序。FusionNet 利用发现的块以及人脸图像来预测受试者的年龄。由于所提出的 RMHHA 机制根据重要性对发现的块进行排序，每个块在 FusionNet 中的学习路径长度与其携带的信息量成正比（越长越重要）。ADPF 还引入了一种新颖的多样性损失来引导 AttentionNet 的训练并减少块之间的重叠，从而发现多样且重要的块。通过大量实验，我们表明所提出的框架在多个年龄估计基准数据集上优于最先进的方法。
引用
@article{arxiv.2112.10167,
title = {Improving Face-Based Age Estimation with Attention-Based Dynamic Patch Fusion},
author = {Haoyi Wang and Victor Sanchez and Chang-Tsun Li},
journal= {arXiv preprint arXiv:2112.10167},
year = {2022}
}
备注
IEEE Transactions on Image Processing (accepted for publication)