用于人脸年龄估计的自步深度回归森林
计算机视觉与模式识别
2020-04-20 v5
摘要
人脸年龄估计是计算机视觉中一个重要且具有挑战性的问题。现有方法通常采用深度神经网络（DNNs）来拟合从人脸特征到年龄的映射，尽管存在一些有噪声和易混淆的样本。我们认为，更可取的做法是将有噪声和易混淆的人脸图像与常规图像区分开来，并减轻它们带来的干扰。为此，我们提出自步深度回归森林（SP-DRFs）——一种用于年龄估计的渐进式学习 DNNs 框架。由于模型从简单到复杂逐渐学习，它倾向于更关注可靠样本并避免糟糕的局部极小。此外，所提出的封顶似然函数有助于在训练中排除噪声样本，使我们的 SP-DRFs 显著更鲁棒。我们在 Morph II 和 FG-NET 数据集上展示了 SP-DRFs 的有效性，我们的模型达到了最先进的性能。
引用
@article{arxiv.1910.03244,
title = {Self-Paced Deep Regression Forests for Facial Age Estimation},
author = {Shijie Ai and Lili Pan and Yazhou Ren},
journal= {arXiv preprint arXiv:1910.03244},
year = {2020}
}
备注
7 pages, 5 figures, 2 tables