BridgeNet：一种连续性感知的概率网络用于年龄估计

年龄估计是计算机视觉领域中一个非常重要但极具挑战性的问题。现有的年龄估计方法通常采用分而治之的策略来处理由于非平稳老化过程导致的异构数据。然而，面部老化过程也是一个连续的过程，不同组成部分之间的连续关系尚未得到有效利用。在本文中，我们提出了一种名为BridgeNet的网络用于年龄估计，其目标是有效挖掘年龄标签之间的连续关系。所提出的BridgeNet由局部回归器和门控网络组成。局部回归器将数据空间划分为多个重叠子空间，以应对异构数据问题；门控网络通过引入桥树结构（bridge-tree structure）学习局部回归器结果的连续感知权重，该结构在树模型中加入桥接连接以强化相邻节点之间的相似性。此外，BridgeNet的这两个组件可以以端到端的方式联合训练。我们在MORPH II、FG-NET和Chalearn LAP 2015数据集上展示了实验结果，并发现BridgeNet优于现有最先进方法。