在人脸年龄特征提取方面,充分利用卷积神经网络在图像应用领域的优良特性,使用深度学习方法进行人脸年龄特征提取,采用因子分析方法进行特征降维提取鲁棒性特征。在年龄估计函数学习方面,充分利用年龄阶段性和次序性研究基于秩的年龄估...在人脸年龄特征提取方面,充分利用卷积神经网络在图像应用领域的优良特性,使用深度学习方法进行人脸年龄特征提取,采用因子分析方法进行特征降维提取鲁棒性特征。在年龄估计函数学习方面,充分利用年龄阶段性和次序性研究基于秩的年龄估计学习方法,在此基础上提出分而治之的人脸年龄估计器。利用公共年龄库FG-NET和MORPH Album 2进行实验,其结果表明,该特征提取方法比传统的年龄特征提取方法更鲁棒,分而冶之年龄估计器性能优于经典的SVM和SVR。展开更多
文摘在人脸年龄特征提取方面,充分利用卷积神经网络在图像应用领域的优良特性,使用深度学习方法进行人脸年龄特征提取,采用因子分析方法进行特征降维提取鲁棒性特征。在年龄估计函数学习方面,充分利用年龄阶段性和次序性研究基于秩的年龄估计学习方法,在此基础上提出分而治之的人脸年龄估计器。利用公共年龄库FG-NET和MORPH Album 2进行实验,其结果表明,该特征提取方法比传统的年龄特征提取方法更鲁棒,分而冶之年龄估计器性能优于经典的SVM和SVR。