17日前
AgeNet:頑健な顕在年齢推定のための深層学習された回帰モデルおよび分類モデル
{Xilin Chen, Shiguang Shan, Hu Han, Wenxian Liu, Shuzhe Wu, Jie Zhang, Meina Kan, Shaoxin Li, Xin Liu}

要約
顔画像から apparent age(外見年齢)を推定する技術は、実世界におけるさまざまな応用において有効であるため、注目を集めつつある。本研究では、堅牢な外見年齢推定を実現するエンドツーエンド学習アプローチを提案し、自らが命名した「AgeNet」である。具体的には、実数値に基づく回帰モデルと、ガウス型ラベル分布に基づく分類モデルの2種類のモデルを統合することで、外見年齢推定問題に取り組んだ。両モデルとも、情報豊かな年齢表現を学習するために大規模な深層畳み込みニューラルネットワーク(Deep Convolutional Neural Network)を採用している。また、本研究で提案するAgeNetの重要な特徴の一つとして、小さな外見年齢訓練データセットにおける過学習問題を回避するため、一般的な知識から特定のタスクへと段階的に転移学習を行う「一般化から特化へ」の転移学習スキームを導入している。技術的には、AgeNetはまず、IDラベルを持つ大規模なウェブ収集顔画像データセット上で事前学習を行い、次にノイズを含む年齢ラベルを持つ大規模な実年齢データセット上で微調整(fine-tuning)を行い、最後に外見年齢ラベルを持つ小さな訓練データセット上でさらに微調整を行う。ChaLearn 2015 外見年齢推定コンペティションにおける実験結果から、本手法が外見年齢推定において最先端の性能を達成していることが示された。