초록
우리는 야외에서 촬영된 대량의 얼굴 이미지를 높은 품질의 사후 연령 분포로 주석화하는 새로운 접근 방식을 소개합니다. 각 사후 분포는 얼굴에 대한 추정 연령의 확률 분포를 제공합니다. 우리의 접근 방식은 두 사람 중 누가 더 나이가 많은지 실제 나이를 결정하는 것보다 구분하기가 쉽다는 관찰에서 영감을 받았습니다. 알려진 나이의 샘플이 포함된 참조 데이터베이스와 주석화할 데이터셋이 주어지면, 인간 중심 비교를 통해 전자를 후자로 신뢰할 수 있는 주석을 전송할 수 있습니다. 우리는 완전 연결층과 소프트맥스(SoftMax) 층을 사용하여 이러한 비교를 사후 분포로 변환하는 효과적인 방법을 제시하여 딥 네트워크에서 엔드투엔드 학습을 가능하게 합니다.이 효율적이고 효과적인 주석화 접근 방식 덕분에, 우리는 41,941장의 이미지를 포함하는 새로운 대규모 얼굴 연령 데이터셋인 '메가에이지(MegaAge)'를 수집했습니다. 데이터는 프로젝트 페이지 mmlab.ie.cuhk.edu.hk/projects/MegaAge 및 github.com/zyx2012/Age_estimation_BMVC2017에서 다운로드할 수 있습니다. 이 데이터셋을 활용하여 순서형 초평면 분류와 사후 분포 학습을 동시에 수행하는 네트워크를 학습시켰습니다. 우리의 접근 방식은 MORPH2, Adience, 그리고 최근 제안된 메가에이지(MegaAge) 등의 인기 벤치마크에서 최신 연구 결과를 달성하였습니다.