Aug, 2017

通过年龄后验比较量化面部年龄

PDF
TL;DR介绍了一种新方法来标注大量的野外人脸图像，将高质量的后验年龄分布作为标签；通过人在循环比较，可以将可靠的注释从一个已知年龄样本的参考数据库转移到另一个标签数据集，并通过全连接和 SoftMax 层有效地将比较转换为后验概率分布，从而训练一种同时执行序数超平面分类和后验分布学习的网络，并达到了基准测试的最新成果。
facial imagesposterior age distributionage estimationannotation approachmegaage dataset
发现论文，激发创造
  • 通过对比学习进行面部图像的年龄预测

    提出了一种新的方法，可以通过对不同人的面部图像进行对比学习，准确地估计年龄，并通过结合余弦相似度和三元组边距损失来突出与年龄相关的特征并抑制与身份相关的特征。通过在 FG-NET 和 MORPH-II 两个公共数据集上取得最先进的性能，验证了我们提出的方法的有效性。

    Aug, 2023

  • 基于深度学习集成的表观年龄估计

    本文介绍了一种多标签人脸表观年龄估计的深度学习方法，通过组合多个卷积神经网络模型来降低估计误差。

    Jun, 2016

  • P-Age：Pexels 强健时空表观年龄分类数据集

    利用视频模型和时空信息，提出 AgeFormer 方法用于年龄分类，有效地应对遮挡、低分辨率和光照等挑战，并通过构建 P-Age 数据集在面部高度遮挡、模糊或掩蔽的情况下，取得比现有基于面部的年龄估计方法更优的结果，同时在 Charades、Smarthome 和 Thumos-14 等多个具有挑战性的视频数据集上进行了跨测试。

    Nov, 2023

  • 面部年龄估计的软排序标签编码方法

    本文提出了一个综合性框架，旨在克服面部年龄估计所涉及的挑战。通过提出一种新的年龄编码方法 Soft-ranking，分析现有的评估协议，并提出一种新的正则化策略以解决深度模型过拟合问题来提高模型在 Morph II，CLAP2015 和 CLAP2016 数据库上的性能。

    Jun, 2019

  • 揭开年龄估计之谜：基于深度学习方法的面部年龄估计的比较分析

    对于年龄估计任务，设计专门的方法是不必要的，使用交叉熵损失的标准方法已足够。本文旨在通过在统一可比较的环境中评估最先进的年龄估计方法来解决基准测试的缺点。结果表明，与年龄估计方法的选择相比，面部对齐、面部覆盖、图像分辨率、图像表示、模型架构和数据量等各种因素经常产生更大的影响。评估了每种方法在公开可用的年龄估计数据集上的跨数据集性能，结果强调了使用一致的数据预处理方法和建立标准化基准测试的重要性，以确保可靠且有意义的比较。

    Jul, 2023

  • 双参考人脸检索

    该研究提出了一种双重参考人脸检索框架，通过利用四元数模型优化年龄相似度和身份相似度两个相似度度量，实现在给定特定年龄时检索特定人脸的目标。

    Jun, 2017

  • 学习连续人脸年龄变化：GAN 金字塔

    本文提出了一种基于生成敌对网络模型的面部年龄进化方法，可以达到较好的年龄精度和身份永久性保持，并通过对多种方面的约束来保证生成的面部具有个性特征和真实的细节，并应用于面部识别系统，达到了领先水平.

    Jan, 2019

  • 寿命年龄转换合成

    该论文介绍了一种基于多域图像生成对抗网络的单张图片年龄进退展方法，其学习的潜在空间模拟了一个连续的双向老化过程。该框架可从一张照片中预测 0-70 岁的完整头像，改变头部的纹理和形状，这取得了显著的改进。

    Mar, 2020

  • 学习合成无纵向数据的老化大脑

    该论文提出了一种基于深度学习的方法，通过合成图像并考虑年龄和阿尔茨海默病的状态，来模拟特定对象的大脑衰老轨迹，并展示了该方法在神经退行性疾病研究中的应用潜力。

    Dec, 2019

  • 基于时间深度受限玻尔兹曼机的纵向人脸建模

    本文提出了一种基于深度模型的人脸年龄控制方法，该方法可以在不同年龄段自动合成一系列加速老化的脸部图像序列，并通过人脸数据库的验证来证明其有效性。

    Jun, 2016