基于深度对抗丢弃正则化的年龄估计

摘要

成年人面部变化非常缓慢,因此相邻年龄段的成人年龄估计仍是一个挑战。针对该问题,将对抗学习思想引入年龄估计任务,提出了基于深度对抗丢弃正则化的年龄估计模型。通过年龄特征学习器与判别器的对抗训练,提升年龄特征学习器对年龄段特征(特别是对相邻年龄段人脸年龄特征)的学习能力。在3个经典数据集(UTKFace、MORPH和Adience)上的实验显示,所提出的模型将UTKFace数据集的预测正确率由42.8%提升至81.6%,MORPH数据集的准确率由39.8%提升至69.8%,对Adience数据集的预测正确率为63.3%;和其他4个经典模型相比,该模型仅用5层神经网络就达到了比深层神经网络更好的效果,特别中青年年龄段(15~53岁)年龄估计准确率比其他模型平均高出17.5%,说明本文模型对年龄估计任务性能有显著提升,有很好的实用价值。