顔年齢と魅力推定のためのラベル分布の期待の学習【JST・京大機械翻訳】

Gao Bin-Bin; Liu Xin-Xin; Zhou Hong-Yu; Wu Jianxin; Geng Xin

プレプリント

J-GLOBAL ID：202202219703131758 整理番号：22P0002418

顔年齢と魅力推定のためのラベル分布の期待の学習【JST・京大機械翻訳】

Learning Expectation of Label Distribution for Facial Age and Attractiveness Estimation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年07月03日プレプリントサーバーでの情報更新日： 2021年12月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

顔属性(eg,年齢および魅力)推定性能は畳み込みニューラルネットワークを用いることにより大幅に改善された。しかしながら,既存の方法は,訓練目的と評価計量の間に不整合があり,従って,それらは最適であるかもしれない。さらに,これらの方法は,常に,高価な計算コストとストレージオーバヘッドを運ぶ大量のパラメータを有する画像分類または顔認識モデルを採用する。本論文では,まず,2つの最先端の方法(ランク付け-CNNとDLDL)の間の本質的な関係を分析し,Ranking法が実際に学習ラベル分布を暗黙的に学習することを示した。したがって,この結果は,最初に,DLDLフレームワークに2つの既存の一般的な最先端の方法を統一する。第二に,不整合を軽減し,資源消費を低減するために,軽量ネットワークアーキテクチャを設計し,顔属性分布と回帰属性値を同時に学習できる統一フレームワークを提案した。本アプローチの有効性を,顔年齢と魅力推定タスクの両方について実証した。提案手法では,顔の年齢/攻撃性推定において,36×少ないパラメータおよび3×高速推論速度を有する単一モデルを用いて,新しい最先端の結果を達成した。さらに,著者らの方法は,パラメータの数がさらに0.9M(3.8MBディスクストレージ)に低減されたとしても,最先端技術に匹敵する結果を達成できる。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能 , 図形・画像処理一般

, , , , , , ,

前のページに戻る