Erwartungswert der Label-Verteilung für die Gesichtsalter- und Attraktivitätsabschätzung

Die Leistung der Schätzung facialer Attribute (z. B. Alter und Attraktivität) wurde durch den Einsatz von Faltungsneuralen Netzen erheblich verbessert. Allerdings weisen bestehende Methoden eine Inkonsistenz zwischen den Trainingszielen und den Evaluationsmetriken auf, was zu suboptimalen Ergebnissen führen kann. Zudem basieren diese Ansätze häufig auf Bildklassifikations- oder Gesichtserkennungsmodellen mit einer hohen Anzahl an Parametern, was hohe Rechenkosten und Speicherbelastungen verursacht. In diesem Artikel analysieren wir zunächst die wesentliche Beziehung zwischen zwei state-of-the-art-Methoden (Ranking-CNN und DLDL) und zeigen, dass die Ranking-Methode im Wesentlichen implizit eine Label-Verteilung lernt. Dieser Befund ermöglicht erstmals die Vereinheitlichung der beiden etablierten state-of-the-art-Methoden innerhalb des DLDL-Frameworks. Zweitens entwickeln wir zur Reduzierung der Inkonsistenz und zur Senkung des Ressourcenverbrauchs eine leichtgewichtige Netzarchitektur und schlagen ein einheitliches Framework vor, das die Lernung der facialen Attributverteilung und die Regression des Attributwerts gleichzeitig ermöglicht. Die Wirksamkeit unseres Ansatzes wird sowohl bei der Schätzung des Alters als auch der Attraktivität anhand von experimentellen Evaluationen nachgewiesen. Unser Verfahren erreicht mit einem einzigen Modell neue state-of-the-art-Ergebnisse bei der Schätzung von Alter und Attraktivität, wobei die Anzahl der Parameter um den Faktor 36 reduziert und die Inferenzgeschwindigkeit um den Faktor 3 beschleunigt wird. Darüber hinaus erzielt unser Ansatz vergleichbare Ergebnisse im Vergleich zu den aktuellen state-of-the-art-Methoden, selbst wenn die Anzahl der Parameter auf lediglich 0,9 Mio. (entsprechend 3,8 MB Speicherplatz) reduziert wird.