LAE：长尾年龄估计
计算机视觉与模式识别
2021-10-26 v1
摘要
人脸年龄估计是计算机视觉中一个重要但极具挑战的问题。为提升人脸年龄估计性能，我们首先构建一个简单的标准基线，并通过汇集预训练、数据增强、模型架构等方面的技巧，构建了一个强得多的基线。相较于标准基线，所提基线显著降低了估计误差。此外，长尾识别在人脸年龄数据集中一直是个重要课题，其中老年与儿童样本往往匮乏。为训练一个均衡的年龄估计器，我们提出一种名为长尾年龄估计（LAE）的两阶段训练方法，将学习过程解耦为表示学习与分类。我们方法的有效性已在 2021 年 Guess The Age 竞赛主办方提供的数据集上得到验证。
引用
@article{arxiv.2110.12741,
title = {LAE : Long-tailed Age Estimation},
author = {Zenghao Bao and Zichang Tan and Yu Zhu and Jun Wan and Xibo Ma and Zhen Lei and Guodong Guo},
journal= {arXiv preprint arXiv:2110.12741},
year = {2021}
}
备注
The 1st Place in Guess The Age Contest, CAIP2021 (The 19th International Conference on Computer Analysis of Images and Patterns)