要約
本稿では、野生環境下で撮影された大量の顔画像を高品質な事後年齢分布ラベルで注釈付ける新たな手法を提案します。各事後分布は、顔の推定年齢に対する確率分布を提供します。当手法は、2人のうち誰が年上かを区別することは、その人の実際の年齢を特定するよりも容易であるという観察に基づいています。既知の年齢を持つサンプルが含まれるリファレンスデータベースと、ラベル付けが必要なデータセットが与えられた場合、ヒューマンインザループ比較を通じて前者から後者へ信頼性のある注釈情報を転送することができます。全結合層とSoftMax層を使用してこれらの比較を事後分布に変換する効果的な方法を示し、深層ネットワークでのエンドツーエンド学習を可能にしています。この効率的かつ効果的な注釈手法により、41,941枚の画像からなる新しい大規模顔年齢データセット「MegaAge」を収集しました。データはプロジェクトページ（mmlab.ie.cuhk.edu.hk/projects/MegaAge）およびGitHub（github.com/zyx2012/Age_estimation_BMVC2017）からダウンロードできます。当データセットを使用して、順序ハイパープレーン分類と事後分布学習を同時に行うネットワークを訓練しました。本手法はMORPH2やAdienceなど既存の人気ベンチマークにおいて最良の結果を得ており、「MegaAge」でも新規に提案された評価指標で優れた性能を示しています。