摘要
使用卷积神经网络预测人脸图像年龄.目前标注的表观年龄公开数据集不足且人数规模小,小样本训练紧凑模型成为年龄预测的研究方向之一.为提高卷积神经网络对图像中年龄特征提取能力和小样本数据迁移能力,并减少对大型图像分类数据集的依赖,提出多特征融合卷积神经网络结构的年龄预测方法.该方法设计多特征融合模块融合两者特征向量获取图像的多层次信息;主干特征提取卷积网络中引入注意力机制模块,增强年龄特征提取能力;设计序列化年龄标签的组合损失函数,使得年龄特征充分拟合年龄标签.在IMDB-WIKI预训练下,该方法在MORPH上取得的平均误差为1.951,ChaLearn15上平均误差为3.128.实验结果表明,该方法的训练和迁移成本低,与许多最新方法相比取得了较高的预测精度.
维普
万方数据