年龄识别之AgeNet

不念不忘少年蓝@ 2022-12-07 12:22 126阅读 0赞

论文：[AgeNet: Deeply Learned Regressor and Classifier for Robust Apparent Age Estimation][AgeNet_ Deeply Learned Regressor and Classifier for Robust Apparent Age Estimation]

**ICCV2015**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70][]

论文提出了一种基于人脸的年龄识别网络AgeNet。该网络同时基于分类和回归对年龄进行预测，然后将2个分支的特征进行融合，得到更好的预测结果。并且在ChaLearn 2015 Apparent Age Competition 取得了最好的结果。

主要贡献：

1.  提出了端到端的年龄识别方案AgeNet，并且了融合了回归和分类2个模。训练过程中，分别基于年龄数值进行回归，基于年龄的高斯分布作为label进行分类。
2.  为了减少小数据上的过拟合，使用了迁移学习的策略。
3.  取得了ICCV2015 Looking at People Challenge - Track 1 Apparent Age Estimation 第一名的成绩

整体网络结构：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 1][]

使用的主干网络结构为GoogLeNet ，

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 2][]

网络结构的修改包括，去掉多余的2个loss层。在每一个Relu操作之前，增加BN操作，去除所有的dropout。

Label制作：

年龄的训练标签，可以使用下面3种方式表示。

（1）1-dimension real-value encoding，就是使用具体的一维数值表示

（2）0/1 encoding，使用one-hot形式表示

（3）Label distribution encoding，基于分布表示，

![20200915205505532.png][]

j表示按照时间顺序的年龄，比如0到85，

y表示标签，

σ 表示label的标准差，

最终标签分布如下，

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 3][]

Loss函数：

回归，

![20200915205602213.png][]

分类，

![20200915205614535.png][]

训练流程：

首先使用CASIA-WebFace 进行人脸识别训练。然后使用CACD ，Morph-II ，WebFaceAge 进行真实年龄的微调。最后使用Morph-II 进行表面年龄的微调。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 4][]

人脸预处理：

（1）Face Detection 人脸检测

（2）Facial Landmark Localization 人脸关键点定位，包括左眼中心，右眼中心，鼻子尖，嘴巴左角，嘴巴右角。

（3）Face Normalization 人脸标准化，论文采用了基于外部（Exterior ）和内部（Interior ）的2种人脸标准化方法。

基于Exterior 的方法，既包括了外部的信息，也包括了全面的纹理信息。

基于organs 的方法，仅仅包括了内部的人脸五官。

2种方法都将人脸归一化到256\*256大小。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 5][]

集成学习：

（1）模型集成Model Ensemble ，将分类和回归进行集成。

（2）人脸模板集成Face Template Ensemble，采用不同的人脸标准化方法，不同的crop大小。

实验结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 6][]

![20200915205800261.jpg][]

[AgeNet_ Deeply Learned Regressor and Classifier for Robust Apparent Age Estimation]: https://www.cv-foundation.org/openaccess/content_iccv_2015_workshops/w11/papers/Liu_AgeNet_Deeply_Learned_ICCV_2015_paper.pdf
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70]: /images/20221123/e7c5a4539d7c4e8481a8ab09ebc02071.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 1]: /images/20221123/cb74e2faa44e45cfbc5928c49875ec91.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 2]: /images/20221123/31d849ce82064b069bc3a55bc57460f7.png
[20200915205505532.png]: /images/20221123/026ca8a8b8cc4960867674d49c7c61c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 3]: /images/20221123/50bffd33ab2f4367ae1c35b12afaee9b.png
[20200915205602213.png]: /images/20221123/55e2c7dbfccc4b89bbb6c02e15987871.png
[20200915205614535.png]: /images/20221123/d12c5df99fa647848d35f412981d49ca.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 4]: /images/20221123/87761234ead14624be8298c68c2d3387.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 5]: /images/20221123/f670f1373e42444a802c250219b7f0d5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE0ODQ1MTE5_size_16_color_FFFFFF_t_70 6]: /images/20221123/cc9d73c5f93340c8a9e27901b53d6298.png
[20200915205800261.jpg]: /images/20221123/970cf4e78ba740509e5acbed63f87080.png