通过近乎正交化语义空间联合进行性别分类与年龄估计
计算机视觉与模式识别
2016-09-15 v1
摘要
在基于人脸的生物特征识别中，性别分类和年龄估计是两个典型的学习任务。尽管已有多种方法被提出以处理这两个任务，但仅有少数方法对其进行联合求解；即便如此，这些联合方法尚未特别关注人类性别与年龄之间的语义差异，而直觉上这有助于联合学习，从而为进一步提升性能留下了空间。为此，本工作首先提出一个通用的联合估计人类性别与年龄的学习框架，通过特别尝试将这种语义关系表述为近正交性正则化形式，然后将其纳入联合学习框架的目标中。为了评估所提出框架的有效性，我们分别采用广泛使用的二分类支持向量机进行性别分类，采用两种基于阈值的有序回归方法（即有序回归判别学习和支持向量有序回归）进行年龄估计，并通过所提出的语义表述将两者关键地耦合起来。此外，通过推导联合学习策略的表示定理，我们开发了其核化非线性对应方法。最后，通过在三个老化数据集FG-NET、Morph Album I和Morph Album II上的大量实验，我们证明了所提出联合学习策略的有效性和优越性。
引用
@article{arxiv.1609.04116,
title = {Joint Gender Classification and Age Estimation by Nearly Orthogonalizing Their Semantic Spaces},
author = {Qing Tian and Songcan Chen},
journal= {arXiv preprint arXiv:1609.04116},
year = {2016}
}