Data-Dependent Label Distribution Learning for Age Estimation
Data-Dependent Label Distribution Learning for Age Estimation
复制标题
用于年龄估计的数据依赖标签分布学习
DOI：
10.1109/tip.2017.2655445
复制
发表时间：
2017-01
影响因子：
10.6
通讯作者：
Yueting Zhuang
中科院分区：
文献类型：
--
作者：
Zhouzhou He;Xi Li;Zhongfei Zhang;Fei Wu;Xin Geng;Yaqing Zhang;Ming-Hsuan Yang;Yueting Zhuang
人脸年龄估计是计算机视觉中一个重要且具有挑战性的问题，通常被视为对一组人脸样本进行分类或回归的问题，这些样本相对于几个有序的年龄标签，在相邻的年龄维度上具有内在的跨年龄相关性。因此，这种相关性通常会导致面部样本的年龄标签含糊不清。也就是说，每个人脸样本都与一个潜在的标签分布相关联，该分布编码标签歧义的跨年龄相关信息。基于这一观察结果，我们提出了一种完全数据驱动的标签分布学习方法来自适应学习潜在的标签分布。该方法能够基于人脸样本的局部上下文结构，有效地发现内在年龄分布模式，进行跨年龄相关分析。该方法在不预先假设标签分布学习形式的前提下，通过解决多任务问题，灵活地对样本特定的上下文感知标签分布属性进行建模，从而共同优化个体的年龄标签分布学习和年龄预测任务。实验结果证明了该方法的有效性。
As an important and challenging problem in computer vision, face age estimation is typically cast as a classification or regression problem over a set of face samples with respect to several ordinal age labels, which have intrinsically cross-age correlations across adjacent age dimensions. As a result, such correlations usually lead to the age label ambiguities of the face samples. Namely, each face sample is associated with a latent label distribution that encodes the cross-age correlation information on label ambiguities. Motivated by this observation, we propose a totally data-driven label distribution learning approach to adaptively learn the latent label distributions. The proposed approach is capable of effectively discovering the intrinsic age distribution patterns for cross-age correlation analysis on the basis of the local context structures of face samples. Without any prior assumptions on the forms of label distribution learning, our approach is able to flexibly model the sample-specific context aware label distribution properties by solving a multi-task problem, which jointly optimizes the tasks of age-label distribution learning and age prediction for individuals. Experimental results demonstrate the effectiveness of our approach.
登录
查看更多内容
DOI：
10.1109/cvprw.2013.75
发表时间：
2013-06
期刊：
2013 IEEE Conference on Computer Vision and Pattern Recognition Workshops
影响因子：
--
作者：
Chao Zhang-;G. Guo
通讯作者：
Chao Zhang-;G. Guo
DOI：
10.1109/icme.2007.4284917
发表时间：
2007-07
期刊：
2007 IEEE International Conference on Multimedia and Expo
影响因子：
--
作者：
Yun Fu;Ye Xu;Thomas S. Huang
通讯作者：
Yun Fu;Ye Xu;Thomas S. Huang
DOI：
10.1109/tkde.2019.2951561
发表时间：
2019-11
影响因子：
8.9
作者：
Min-Ling Zhang;Qian-Wen Zhang;Jun-Peng Fang;Yukun Li;Xin Geng
通讯作者：
Min-Ling Zhang;Qian-Wen Zhang;Jun-Peng Fang;Yukun Li;Xin Geng
影响因子：
10.6
作者：
Cai, Deng;He, Xiaofei;Zhang, Hong-Jiang
通讯作者：
Zhang, Hong-Jiang
DOI：
10.1109/icdm.2014.125
发表时间：
2014-12
期刊：
2014 IEEE International Conference on Data Mining
影响因子：
--
作者：
Linli Xu;Zhen Wang;Zefan Shen;Yubo Wang;Enhong Chen
通讯作者：
Linli Xu;Zhen Wang;Zefan Shen;Yubo Wang;Enhong Chen