基于人脸图像的相对年龄估计
Relative Age Estimation Using Face Images
AI总结：
本文提出一种基于参考人脸库和差分回归的相对年龄估计方法，通过年龄增强迭代细化初始估计，在MORPH II和CACD数据集上达到最先进精度，并分析了现有年龄估计技术的偏差。
摘要：
本文提出了一种新颖的深度学习方法，通过细化初始年龄估计，从单张人脸图像中估计年龄。该细化过程利用了一个由年龄和外观相似的个体组成的参考人脸数据库。我们采用一个网络来估计输入图像与已知年龄的参考图像之间的年龄差异，从而细化初始估计。我们的方法通过差分回归显式地建模与年龄相关的人脸变化，与传统的绝对年龄估计相比，获得了更高的精度。此外，我们引入了一种年龄增强方案，通过在训练期间建模初始年龄估计的误差分布来迭代地细化初始年龄估计。这种迭代方法进一步增强了初始估计。我们的方法超越了现有方法，在MORPH II和CACD数据集上取得了最先进的精度。此外，我们还考察了当代最先进的年龄估计技术中固有的偏差。
英文摘要：
This work introduces a novel deep-learning approach for estimating age from a single facial image by refining an initial age estimate. The refinement leverages a reference face database of individuals with similar ages and appearances. We employ a network that estimates age differences between an input image and reference images with known ages, thus refining the initial estimate. Our method explicitly models age-dependent facial variations using differential regression, yielding improved accuracy compared to conventional absolute age estimation. Additionally, we introduce an age augmentation scheme that iteratively refines initial age estimates by modeling their error distribution during training. This iterative approach further enhances the initial estimates. Our approach surpasses existing methods, achieving state-of-the-art accuracy on the MORPH II and CACD datasets. Furthermore, we examine the biases inherent in contemporary state-of-the-art age estimation techniques.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
