초록
얼굴 이미지에서 연령 추정은 일반적으로 비선형 회귀 문제로 다루어집니다. 이 문제의 주요 과제는 같은 나이의 다른 사람들의 얼굴 외관에 큰 차이가 있고 노화 패턴의 비정상적인 특성 때문에 연령에 대한 얼굴 특징 공간이 이질적이라는 점입니다. 본 논문에서는 연령 추정을 위해 Deep Regression Forests (DRFs)라는 엔드투엔드 모델을 제안합니다. DRFs는 분할 노드를 컨벌루션 신경망(CNN)의 완전 연결 계층과 연결하여, 분할 노드에서 입력에 따라 데이터 파티션을 학습하고, 리프 노드에서 데이터 추상을 학습함으로써 이질적인 데이터를 처리합니다. 이러한 공동 학습은 교대 전략을 따릅니다: 먼저 리프 노드를 고정시키고, 분할 노드와 CNN 매개변수를 역전파(Back-propagation)를 통해 최적화합니다. 그런 다음 분할 노드를 고정시키고, 변분 바운딩(Variational Bounding)에서 유도된 스텝 크기 없이 빠르게 수렴하는 업데이트 규칙을 반복하여 리프 노드를 최적화합니다. 우리는 제안된 DRFs를 세 가지 표준 연령 추정 벤치마크에서 검증하였으며, 모든 벤치마크에서 최신 연구 결과(state-of-the-art results)를 달성하였습니다.