論文の概要: Hierarchical Attention-based Age Estimation and Bias Estimation
- arxiv url: http://arxiv.org/abs/2103.09882v1
- Date: Wed, 17 Mar 2021 19:41:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-20 07:46:59.081459
- Title: Hierarchical Attention-based Age Estimation and Bias Estimation
- Title（参考訳）: 階層的注意に基づく年齢推定とバイアス推定
- Authors: Shakediel Hiba and Yosi Keller
- Abstract要約: 顔画像に基づく年齢推定のための新しい深層学習手法を提案する。
提案手法は,現代的スキームを上回り,新しい最先端の年齢推定精度を提供する。
- 参考スコア（独自算出の注目度）: 5.000272778136268
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we propose a novel deep-learning approach for age estimation
based on face images. We first introduce a dual image augmentation-aggregation
approach based on attention. This allows the network to jointly utilize
multiple face image augmentations whose embeddings are aggregated by a
Transformer-Encoder. The resulting aggregated embedding is shown to better
encode the face image attributes. We then propose a probabilistic hierarchical
regression framework that combines a discrete probabilistic estimate of age
labels, with a corresponding ensemble of regressors. Each regressor is
particularly adapted and trained to refine the probabilistic estimate over a
range of ages. Our scheme is shown to outperform contemporary schemes and
provide a new state-of-the-art age estimation accuracy, when applied to the
MORPH II dataset for age estimation. Last, we introduce a bias analysis of
state-of-the-art age estimation results.
- Abstract（参考訳）: 本研究では,顔画像に基づく年齢推定のための新しい深層学習手法を提案する。
まず,注意に基づく2重画像拡張集約手法を提案する。
これにより、ネットワークはトランスフォーマーエンコーダによって埋め込みが集約された複数の顔画像拡張を共同で利用することができる。
結果として得られる集約埋め込みは、顔画像属性をよりよくエンコードするように示される。
次に,年齢ラベルの離散的確率的推定と対応する回帰因子のアンサンブルを組み合わせた確率的階層的回帰フレームワークを提案する。
それぞれのレグレッサーは特に適応され、様々な年齢の確率的推定を洗練するように訓練されている。
提案手法は, 年齢推定のためのMORPH IIデータセットに適用した場合, 現代手法より優れ, 最先端の年齢推定精度が向上することが示されている。
最後に,最先端年齢推定結果のバイアス分析を紹介する。
関連論文リスト
- CILF-CIAE: CLIP-driven Image-Language Fusion for Correcting Inverse Age Estimation [14.639340916340801]
年齢推定タスクは、画像中の顔の特徴を分析して、個人の年齢を予測することを目的としている。
既存のCLIPベースの年齢推定手法では、高いメモリ使用量が必要であり、エラーフィードバック機構が欠如している。
逆年齢推定(CILF-CIAE)のための新しいCLIP駆動画像言語融合法を提案する。
論文 参考訳（メタデータ） (2023-12-04T09:35:36Z) - Content Bias in Deep Learning Image Age Approximation: A new Approach Towards better Explainability [4.088355251010862]
時間画像法医学において、コンテンツバイアスはニューラルネットワークによって利用することができる。
画像コンテンツの影響を評価する新しい手法を提案する。
年齢分類の文脈で提案される深層学習アプローチは,画像内容に大きく依存している可能性が高い。
論文 参考訳（メタデータ） (2023-10-03T14:09:27Z) - PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。
我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。
提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-09-28T17:56:41Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - Continuous Face Aging via Self-estimated Residual Age Embedding [8.443742714362521]
本稿では,線形年齢推定器をGANモデルに組み込む統一ネットワーク構造を提案する。
埋め込み年齢推定器は、エンコーダおよびデコーダとの共同訓練を行い、顔画像の年齢を推定する。
パーソナライズされた目標年齢埋め込みは、現在の年齢のパーソナライズされた残存年齢埋め込みと、目標年齢の老化ベースの両方を組み込んで合成される。
論文 参考訳（メタデータ） (2021-04-30T18:06:17Z) - Reducing Racial Bias in Facial Age Prediction using Unsupervised Domain
Adaptation in Regression [0.0]
対象の顔画像から年齢を推定する作業に対して,教師なし領域適応手法を提案する。
公に入手可能な顔画像データセットにおける人種バイアスの伝播を避けるため、予測者に対して民族に不変な特徴を学ぶモチベーションを与えるために、ドメイン適応を行う。
論文 参考訳（メタデータ） (2021-04-05T05:31:12Z) - Confidence Adaptive Anytime Pixel-Level Recognition [86.75784498879354]
任意の時間推論は、いつでも停止される可能性のある予測の進行を行うモデルを必要とする。
我々は,任意のピクセルレベルの認識に対して,最初の統一とエンドツーエンドのモデルアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-01T20:01:57Z) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z) - Convolutional Ordinal Regression Forest for Image Ordinal Estimation [52.67784321853814]
我々は、画像の順序性評価のために、コンボリューショナル・オーディショナル・レグレッション・フォレスト(CORF)と呼ばれる新しいオーディショナル・レグレッション・アプローチを提案する。
提案したCORFは、順序回帰と微分可能な決定木を畳み込みニューラルネットワークと統合し、正確なグローバル順序関係と安定なグローバル順序関係を得る。
提案手法の有効性は,2つの画像順序推定課題において検証され,最先端の順序回帰法に対する大幅な改善と安定性が示された。
論文 参考訳（メタデータ） (2020-08-07T10:41:17Z) - Learning Expectation of Label Distribution for Facial Age and
Attractiveness Estimation [65.5880700862751]
本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。
軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。
提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
論文 参考訳（メタデータ） (2020-07-03T15:46:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。