주의 LSTM 네트워크를 이용한 세부적인 나이 추정 연구

단일 얼굴 이미지에서 연령 추정은 인간-컴퓨터 상호작용 및 컴퓨터 비전 분야에서 필수적인 작업으로, 다양한 실용적 가치를 가지고 있습니다. 기존 방법들은 전반적인 특징만을 고려하고 세부적인 연령 감응 영역의 특징을 무시하기 때문에 야외 환경에서의 얼굴 이미지 연령 추정 정확도가 상대적으로 낮습니다. 우리는 세부 범주와 시각적 주의 메커니즘에 영감을 받아, 세부 연령 추정을 위한 새로운 방법인 주의 장기 단기 기억(AL) 네트워크 기반 방법을 제안합니다.이 방법은 잔차 네트워크(ResNets) 또는 잔차 네트워크의 잔차 네트워크(RoR) 모델과 LSTM 유닛을 결합하여 AL-ResNets 또는 AL-RoR 네트워크를 구성하여 연령 감응 영역의 국소 특징을 추출함으로써 효과적으로 연령 추정 정확도를 향상시킵니다. 먼저, ImageNet 데이터셋에서 사전 학습된 ResNets 또는 RoR 모델을 기본 모델로 선택한 후, IMDB-WIKI-101 데이터셋에서 연령 추정을 위해 미세 조정(fine-tuning)합니다. 그런 다음, 목표 연령 데이터셋에서 ResNets 또는 RoR를 미세 조정하여 얼굴 이미지의 전반적인 특징을 추출합니다.연령 감응 영역의 국소 특징을 추출하기 위해 LSTM 유닛이 사용되어 해당 영역의 좌표를 자동으로 얻습니다. 마지막으로, Adience 데이터셋에서 직접 연령 그룹 분류를 수행하고, MORPH Album 2, FG-NET 및 15/16LAP 데이터셋에서 Deep EXpectation 알고리즘(DEX)을 사용하여 연령 회귀 실험을 진행합니다. 전반적인 특징과 국소 특징을 결합하여 최종 예측 결과를 얻습니다.실험 결과는 제안된 AL-ResNets 또는 AL-RoR이 야외 환경에서의 연령 추정에 있어 다른 모든 컨벌루션 신경망보다 더 우수한 최신 성능을 달성한다는 것을 보여주며, 이는 해당 방법의 유효성과 견고성을 입증합니다.