摘要: 摘 要: 在基于传统的排序、回归方法的年龄估计方法中,不能有效利用人脸的演化特征、构建不同排序标签之间的相关性,并且多二分类方法进行年龄预测必然会导致排序不一致问题。基于上述问题,提出了基于集成排序矩阵编码和一致性保存的年龄估计方法,充分利用年龄与排序值之间的相关性,抑制排序不一致问题;并提出新指标—排序不一致样本比例,用于衡量二分类排序方法中排序不一致问题。首先,通过设计的编码方法将年龄类别转换成排序矩阵形式;然后,使用残差网络ResNet34(Residual Network)特征提取网络提取面部特征,再通过提出的编码学习模块进行编码学习;最后,通过基于度量方法的排序解码器将网络预测结果解码成图片的预测年龄。在Morph II数据集上的实验结果达到平均绝对误差(MAE)2.18,并在其他公开数据集上与同样基于排序、有序回归方法的OR-CNN(Ordinal regression with multiple output CNN for age estimation)、CORAL(Rank consistent ordinal regression for neural networks with application to age estimation)等方法相比具有更好的结果。同时抑制了排序不一致样本的比例,排序不一致度量性能相比OR-CNN方法提升了约65%。
中图分类号: