年龄估计系列（4）2016.CVPR.基于多输出顺序回归的年龄识别

矫情吗；* 2022-04-03 04:24 146阅读 0赞

参考：[https://blog.csdn.net/qq\_14845119/article/details/79460315][https_blog.csdn.net_qq_14845119_article_details_79460315]

源自2016 cvpr，[Ordinal Regression with Multiple Output CNN for Age Estimation][]

文章主要2个贡献：

（1）将传统的年龄回归问题转化为多个顺序2分类问题

文章网络的整体结构如下图所示：

![20180306163707428][]

在经过3个卷积模块后，接入一个全连接层，然后输出K-1个通道的2分类任务。

例如这里，Task1预测年龄是否大于1，Task2预测年龄是否大于2，Task3预测年龄是否大于3，Task(k-1)预测年龄是否大于k-1。预测结果为\{0,1\}，满足为1，不满足为0。

![20180306163742374][]  
最后的预测年龄为将所有的预测结果求和再加1，得到最终的预测年龄。

![20180306163753080][]  
整体上给人一种多个2分类的SVM组合为一个N分类的分类器的思想。想法还是挺novel，具体效果有待实验验证。

（1）提出了亚洲人脸数据集，Asian Face Age Dataset (AFAD)

该数据集主要从人人网收集。包含了164432 的人脸图片，并且带有准确的年龄标签。其中，100752 为男性，63680为女性，年龄范围为15-40。

![20180306163839302][]  
各阶段男女比例的分布如下面曲线图所示：

![20180306163859225][]

References:

[http://afad-dataset.github.io/][http_afad-dataset.github.io]

[https://github.com/kongsicong/Age\_recognition\_OR][https_github.com_kongsicong_Age_recognition_OR]

[https_blog.csdn.net_qq_14845119_article_details_79460315]: https://blog.csdn.net/qq_14845119/article/details/79460315
[Ordinal Regression with Multiple Output CNN for Age Estimation]: https://pdfs.semanticscholar.org/b26d/56083085fb476fb0d94354f9e709567644a5.pdf
[20180306163707428]: /images/20220403/2af866bd67864955bec95f5feb397a7d.png
[20180306163742374]: /images/20220403/01b3b394dba6422f9e996cd3739ae09b.png
[20180306163753080]: /images/20220403/54cf50dc71c64d70bc04274fd423aa81.png
[20180306163839302]: /images/20220403/a048f8dece9d425aba50fbd4580c00df.png
[20180306163859225]: /images/20220403/2c3ee7a0332544fdba57520c74ae4798.png
[http_afad-dataset.github.io]: http://afad-dataset.github.io/
[https_github.com_kongsicong_Age_recognition_OR]: https://github.com/kongsicong/Age_recognition_OR