首页|基于改进标记分布学习的人脸年龄估计

基于改进标记分布学习的人脸年龄估计

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
人脸年龄特征的变化是有序且缓慢的，同一个体相近年龄的脸部年龄特征是相似的。基于标记分布学习的年龄估计就是利用这个特点而设计的一种方法，实现了从年龄单目标预测到年龄标记分布向量预测的学习任务的转变，这一定程度上解决了人脸年龄估计中数据不全面的问题。但现有的基于最大熵回归模型的标记分布学习存在不能构建统一的标记分布预测模型和计算复杂时间长等问题，另一种基于神经网络的算法容易发生过拟合且神经网络的结构不容易被理解。为解决这些问题，提出基于核偏最小二乘回归模型的标记分布学习来解决人脸年龄估计问题。核偏最小二乘回归模型对数据分布没有前提假定，并且可以解决非线性问题。在FG-NET和MORPH Ⅱ数据集的实验结果表明，相较于其他对比方法，此法有更小的年龄估计误差同时提高了计算效率。
FACIAL AGE ESTIMATION BASED ON IMPROVED LDL ALGORITHM
The change of facial age features is orderly and slow,and the facial age features of the same person with similar age are similar.Age estimation based on marker distribution learning is a method designed by using this feature,which realizes the transformation of learning task from single target age prediction to age marker distribution vector prediction.It solves the problem of face age estimation that the data is not comprehensive to a certain extent.However,the existing label distribution learning based on the maximum entropy regression model has some problems,such as unable to build a unified label distribution prediction model and long computation time.Another algorithm based on neural network is prone to over fitting and the structure of neural network is not easy to understand.To solve these problems,label distribution learning(LDL)based on kernel partial least squares regression model is used to solve the problem of face age estimation.The kernel partial least squares regression model has no hypothesis for data distribution and can solve nonlinear problems.The experimental results on FG-NET and MORPH Ⅱ data set show that compared with other comparison methods,this method has smaller age estimation error and higher computational efficiency.

Face recognitionAge estimationLabel distribution learningKernel partial least square regressionFace age dataset

杜希婷、张德

展开 >

北京建筑大学电气与信息工程学院 北京 100044

北京建筑大学建筑大数据智能处理方法研究北京市重点实验室 北京 100044

人脸识别 年龄估计 标记分布学习 核偏最小二乘回归 人脸年龄数据集

国家自然科学基金项目北京市教育委员会科技计划重点项目北京市教育委员会科技计划一般项目

61871020KZ201810016019KM201910016008

2024

10.3969/j.issn.1000-386x.2024.08.024

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2024.41(8)
  • 6