典型文献
基于深度对抗丢弃正则化的年龄估计
文献摘要：
成年人面部变化非常缓慢,因此相邻年龄段的成人年龄估计仍是一个挑战.针对该问题,将对抗学习思想引人年龄估计任务,提出了基于深度对抗丢弃正则化的年龄估计模型.通过年龄特征学习器与判别器的对抗训练,提升年龄特征学习器对年龄段特征(特别是对相邻年龄段人脸年龄特征)的学习能力.在3个经典数据集(UTKFace、MORPH和Adience)上的实验显示,所提出的模型将UTKFace数据集的预测正确率由42.8％提升至81.6％,MORPH数据集的准确率由39.8％提升至69.8％,对Adience数据集的预测正确率为63.3％;和其他4个经典模型相比,该模型仅用5层神经网络就达到了比深层神经网络更好的效果,特别中青年年龄段(15～53岁)年龄估计准确率比其他模型平均高出17.5％,说明本文模型对年龄估计任务性能有显著提升,有很好的实用价值.
文献关键词：
年龄估计;对抗学习;对抗丢弃正则化;卷积神经网络
中图分类号：
作者姓名：
朱昱;樊航;王鹏;马莞悦;周媛
作者机构：
南京信息工程大学长望学院 南京210044;南京信息工程大学电子与信息工程学院 南京210044;南京信息工程大学人工智能学院(未来技术学院) 南京210044
文献出处：
引用格式：
[1]朱昱;樊航;王鹏;马莞悦;周媛-.基于深度对抗丢弃正则化的年龄估计)[J].电子测量技术,2022(01):145-152
A类：
对抗丢弃正则化,UTKFace,Adience
B类：
年龄估计,人面,对抗学习,学习思想,过年,年龄特征,特征学习,判别器,对抗训练,人脸,MORPH,深层神经网络,中青年,模型平均
AB值：
0.192614
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
