基于多重多元回归的人脸年龄估计
向润1(

1. 南昌大学信息工程学院,江西 南昌 330031
2. 南昌工程学院信息工程学院,江西 南昌 330099
3. 江西师范大学计算机信息工程学院,江西 南昌 330022
收稿日期:
2017-08-24出版日期:
2019-04-20发布日期:
2019-04-19通讯作者:
曾雪强E-mail:xiangr214@foxmail.com;xqzeng@jxnu.edu.cn作者简介:
向润(1993—),男,湖北黄冈人,硕士研究生,主要研究方向为机器学习.E-mail:基金资助:
国家自然科学基金资助项目(61463033);国家自然科学基金资助项目(61866017);江西省****人才资助计划资助项目(20171BCB23013);江西省自然科学基金资助项目(20151BAB207028)Facial age estimation based on multivariate multiple regression
Run XIANG1(

1. Information Engineering School, Nanchang University, Nanchang 330031, Jiangxi, China
2. School of Information Engineering, Nanchang Institute of Technology, Nanchang 330099, Jiangxi, China
3. School of Computer & Information Engineering, Jiangxi Normal University, Nanchang 330022, Jiangxi, China
Received:
2017-08-24Online:
2019-04-20Published:
2019-04-19Contact:
Xueqiang ZENG E-mail:xiangr214@foxmail.com;xqzeng@jxnu.edu.cnSupported by:
国家自然科学基金资助项目(61463033);国家自然科学基金资助项目(61866017);江西省****人才资助计划资助项目(20171BCB23013);江西省自然科学基金资助项目(20151BAB207028)摘要/Abstract
摘要: 基于标记分布学习的人脸年龄估计方法利用相近年龄的人脸变化较为缓慢的特点,采用年龄标记分布向量表示附近年龄描述目标年龄的程度,将学习任务从单值的目标年龄预测转变为年龄标记分布向量的估计,较为有效的解决了人脸年龄估计任务中训练数据不足的问题。但是,现有的标记分布学习方法存在不能构建统一的标记分布预测模型(基于最大熵模型的方法)或容易过拟合的问题(基于神经网络的方法)。为了解决这些问题,将基于标记分布学习的年龄估计转换为同时对多因变量进行预测的多重多元回归分析问题,并采用多因变量偏最小二乘回归方法进行求解。多因变量偏最小二乘回归模型对数据分布没有前提假定,在自变量存在较大的相关性的情况下仍可建立有效的多因变量预测模型。在FG-NET人脸数据库上的大量对比试验结果表明,本研究提出的基于多重多元回归的人脸年龄估计方法在大幅度提高模型训练效率的同时,具有更高的年龄估计准确度。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1809