通过网络优化加速智能人口统计系统中的年龄估计
分布式、并行与集群计算
2018-05-23 v1
摘要
年龄估计是一项困难的任务，需要自动检测并解释面部特征。近来，卷积神经网络（CNNs）在从基准数据集学习年龄模式方面取得了显著进展。然而，对于“野外”人脸（来自视频帧或互联网），现有算法的准确性不如正面中性人脸。此外，随着野外年龄数据的增加，现有深度学习平台的计算速度成为另一个关键问题。本文提出一种高效年龄估计系统，对年龄估计算法与深度学习系统进行联合优化。该系统与城市监控网络协作，可提供用于智能人口统计的年龄组分析。首先，我们构建包含边缘层、雾层和云层的三层雾计算架构，直接从原始视频处理年龄估计。其次，我们在雾层基于嵌入标签分布和 K-L 散度距离的 CNN 优化年龄估计算法，并在最新野外年龄数据集上评估模型。实验结果表明：1. 我们的系统在无接触情况下远距离动态收集人口统计数据，并实现城市人口分析自动化；2. 年龄模型训练在不损失训练进程或模型质量的情况下得到加速。据我们所知，这是首个具有提升智慧城市与城市生活效率潜在应用的智能人口统计系统。
引用
@article{arxiv.1805.08373,
title = {Speeding-up Age Estimation in Intelligent Demographics System via Network Optimization},
author = {Zhenzhen Hui and Peng Sun and Yonggang Wen},
journal= {arXiv preprint arXiv:1805.08373},
year = {2018}
}