融合相似交叉熵和知识蒸馏的人脸年龄估计方法

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：杨文茵;黄蔼权;谭振林;刘子良;钟勇*

摘要：人脸年龄估计在安防、人机交互和智能推荐等领域扮演着至关重要的角色。 然而,目前存在的人脸年龄估计方法面临着提取年龄特征困难的挑战,从而导致年龄估计模型的预测误差较大。 此外,现有的人脸年龄估计模型通常规模较大,使得在移动端难以实现有效部署。 为了解决上述问题,该文首先提出了 SimViT-Age,一种基于视觉 Transformer(ViT)作为主干网络的年龄估计模型,以获取图像中高质量的年龄特征。 通过引入改进的相似交叉熵损失函数,成功优化了模型,与其他先进方法相比,该方法在 CACD 和 UTKFace 数据集上的平均绝对误差(MAE)分别降低了 0. 05 和 0. 14。 其次,采用知识蒸馏技术对 SimViT-Age 进行压缩,以解决年龄估计模型结构繁杂、参数众多和计算冗余等问题。 结果表明:在大约牺牲不超过 0. 5 的 MAE 情况下,模型大小,参数量和计算量均降低了 90% 以上。 这一创新性方法不仅提高了模型性能,还使其更适用于移动端应用。

关键词：深度学习;年龄估计;视觉Transformer;交叉熵;知识蒸馏