Oct, 2023

基于图卷积神经网络和多头注意力机制的年龄估计

PDF
TL;DR年龄估计技术是人脸识别的一部分，通过对游戏中的用户进行身份验证，实现了青少年防沉迷系统的开发和应用。本文提出了一种新的建模思想，使用图卷积网络（GCN）从非规则人脸图像中有效地提取特征，并添加了多头注意力机制以避免冗余特征并捕获图像中的关键区域信息，从而显著提高了年龄估计的准确性并降低了 MAE 误差值，进而提高了人脸识别和身份验证的准确性。
发现论文，激发创造
  • 面部遮盖对比图表示学习用于年龄估计

    本文提出了一种基于掩蔽对比图表示学习的年龄估计方法，该方法利用图表示学习的鲁棒性来处理图像冗余信息，通过深度学习的方法从面部图像数据集中提取结构信息和语义特征，并在多个损失函数的约束下综合利用二者提高预测精度。

    Jun, 2023

  • 使用注意力卷积网络从人脸图像中预测年龄和性别

    本文提出了一种基于注意力网络和残差卷积网络集成的深度学习框架，可以高精度地预测面部图像的性别和年龄组，并通过可视化模型的注意图证明其能够敏锐地监测到面部适当部位，同时，在多任务学习方面得到了不错的成果。

    Oct, 2020

  • 可解释的自适应人群图学习的多模态脑龄估计

    提出一种优化下游任务的人口图结构学习框架，通过注意机制为一组成像和非成像特征分配权重，用于边提取，并使用生成的图来训练图卷积网络，结果表明该方法在脑龄回归和分类方面优于固定图方法和其他最先进的自适应方法，并且赋予的注意程度指示了成像和非成像特征对脑龄估计的信息价值与相关文献一致。

    Jul, 2023

  • 基于注意力 LSTM 网络的野外细粒度年龄估计

    本文提出了一种基于我们的注意力长短期记忆（AL）网络的新方法，结合残差网络（ResNets）或者嵌套残差网络（RoR）模型和 LSTM 单元，以提取面部图像的局部细节特征，从而改善在野外的面部图像的年龄估计准确度，实验结果表明，该方法比所有其他卷积神经网络在野外的年龄估计的表现都更好。

    May, 2018

  • TAA-GCN：面向年龄估计的时态感知自适应图卷积网络

    本文提出一种新的年龄估计算法 ——TAA-GCN，它基于图形新表达，利用骨骼、姿势、服装和脸部信息丰富各个年龄段的特征集，通过时间记忆模块和自适应图卷积层计算年龄的时间依赖关系和改善外观变量，优于几项公共基准。

    May, 2023

  • 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

  • 全局观，本地化：带有注意机制的人脸老化

    该研究介绍了使用关注机制来进行人脸老化的 Attention 条件生成对抗网络（AcGANs）方法，不使用像素级损失，可以显著减少鬼影和模糊，达到更好的图像质量、个人身份和年龄准确性的超越性能。

    Oct, 2019

  • 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

  • 人脸分析的全功能卷积神经网络

    本文提出一种使用单个深度卷积神经网络进行人脸检测，人脸对齐，姿态估计，性别识别，微笑检测，年龄估计和人脸识别的多用途算法，通过多任务学习框架实现了对 CNN 模型的共享参数的规范化，并在不同领域和任务之间建立协同关系，实验结果表明该网络对人脸具有更好的理解，并在大多数任务方面实现了最先进的结果。

    Nov, 2016

  • 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