摘要
我们提出了一种新颖的方法，用于为大量野外采集的面部图像标注高质量的年龄分布标签。每个后验分布提供了对面部年龄估计的概率分布。我们的方法灵感来源于观察到，相较于确定一个人的实际年龄，辨别两个人中谁更年长要容易得多。给定一个包含已知年龄样本的参考数据库和一个需要标注的数据集，我们可以通过人工参与的比较将可靠的注释从前者转移到后者。我们展示了一种有效的方法，通过全连接层和SoftMax层将这些比较转换为后验分布，从而允许在深度网络中进行端到端训练。得益于这一高效且有效的注释方法，我们收集了一个新的大规模面部年龄数据集，命名为“MegaAge”，该数据集包含41,941张图像。数据可以从我们的项目页面mmlab.ie.cuhk.edu.hk/projects/MegaAge和github.com/zyx2012/Age_estimation_BMVC2017下载。利用该数据集，我们训练了一个网络，该网络联合执行序数超平面分类和后验分布学习。我们的方法在诸如MORPH2、Adience以及新提出的MegaAge等流行基准测试中取得了最先进的结果。