야외 환경에서의 연령 그룹 및 성별 추정을 위한 딥 RoR 아키텍처

무제약 조건에서 획득한 얼굴 이미지로부터 연령대와 성별을 자동으로 예측하는 것은 많은 실제 응용 분야에서 중요한 과제이지만 동시에 매우 어려운 문제입니다. 그럼에도 불구하고, 무제약 벤치마크에서 수작업으로 설계된 특징을 사용하는 기존 방법들은 큰 변동성을 다루는 능력 부족으로 인해 만족스럽지 못합니다. 이 문제는 합성곱 신경망(CNN)의 강력한 특징 표현 능력 덕분에 어느 정도 완화되었습니다. 본 논문에서는 연령대와 성별 분류에 있어 다른 CNN 구조보다 더 우수한 최적화 능력을 보이는 잔차 네트워크의 잔차 네트워크(RoR)를 활용한 새로운 CNN 기반 방법을 제안합니다. 또한, 연령대의 특징을 관찰하여 두 가지 적절한 메커니즘을 제시하여 연령 예측의 성능을 더욱 향상시키고자 합니다. 성능 향상과 과적합 문제 완화를 위해 RoR 모델은 먼저 ImageNet 데이터셋에서 사전 학습되었으며, 이후 IMDB-WIKI-101 데이터셋에서 얼굴 이미지의 특징을 추가로 학습하기 위해 미세 조정(fine-tuning)되었습니다. 마지막으로, Adience 데이터셋에서 다시 한 번 미세 조정되었습니다. 우리의 실험 결과는 RoR 방법이 무제약 환경에서 연령과 성별 예측에 있어 다른 CNN 방법들보다 더 우수한 성능을 보임을 입증합니다. 특히, RoR-152+IMDB-WIKI-101 모델과 두 가지 메커니즘이 결합되어 Adience 벤치마크에서 새로운 최신 연구 결과(state-of-the-art results)를 달성하였습니다.