17日前
MetaAge:メタ学習を用いた個別化された年齢推定器
Wanhua Li, Jiwen Lu, Abudukelimu Wuerkaixi, Jianjiang Feng, Jie Zhou

要約
人々はそれぞれ異なる方法で老化する。個人の老化プロセスの特性をより正確にモデル化する観点から、各個人に対して個別化された年齢推定器を学習することは、有望な研究方向である。しかし、既存の多くの個別化手法は、識別ラベルと各個人に対して十分なサンプル数を確保するという高い要件を満たす大規模データセットが不足しているため、その限界に直面している。本研究では、上記の要件を必要とせずに個別化された年齢推定器を学習することを目的とし、年齢推定のためのメタラーニング手法「MetaAge」を提案する。既存の多くの個別化手法が訓練データセット内の各個人に対して個別推定器のパラメータを学習するのに対し、本手法は「個人情報(ID情報)から推定器のパラメータへの写像」を学習する。具体的には、個人の特徴量を入力として受け取り、カスタマイズされた推定器のパラメータを出力する個別化推定器用のメタラーナー(meta-learner)を導入する。このアプローチにより、従来の高コストなデータ要件を満たさずにメタ知識を学習可能となり、得られたメタ知識をテストセットにスムーズに転移できる。これにより、追加のアノテーションなしに既存の大規模年齢推定データセットを効果的に活用することが可能となる。MORPH II、ChaLearn LAP 2015、ChaLearn LAP 2016の3つのベンチマークデータセットにおける広範な実験結果から、MetaAgeは既存の個別化手法の性能を顕著に向上させ、最先端の手法を上回ることを示した。