基于深度对抗丢弃正则化的年龄估计

来源：电子测量技术杂志2022年第1期北京时间：

作者：朱 昱，樊 航，王鹏，马莞悦，周 媛

单位：1 南京信息工程大学 长望学院 南京市 210044; 2 南京信息工程大学 电子与信息工程学院 南京市 210044; 3 南京信息工程大学 人工智能学院(未来技术学院)南京市 210044

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，本文将对抗学习思想引入年龄估计任务，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。在三个经典数据集（UTKFace、MORPH和Adience）上的实验显示，本文模型将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%；和其它4个经典模型相比，本文模型仅用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。

关键词：年龄估计;对抗学习;对抗丢弃正则化;卷积神经网络

基金资助：江苏省大学生创新训练重点项目（201910300044z），2019年第一批产学合作协同育人项目（201901134029）资助