耦合关系自学习的人脸年龄估计研究
在目前已提出多种人脸年龄估计(age estimation,AE)潜在关系挖掘的工作,绝大多数工作仅局限于挖掘单一层面的潜在关系,极少考虑多层面耦合关系的挖掘.因此,本文提出一种耦合关系自学习的AE模型CRSAE,以此挖掘输入特征关系、输出编码关系以及输入输出关系3种耦合关系,提高AE模型的泛化能力.首先对投影矩阵的行列协方差矩阵建模,构建输入特征关系与输出编码关系正则项.其次,本文通过引入一个结构矩阵,发掘输入输出关系.随后,为有效求解CRSAE模型,本文构建一种交替优化方法.鉴于面部特征具有高度非线性的特征,本文在所提出模型的基础上引入深度架构进一步提升模型的泛化能力.最后,通过在多个人脸图像数据集上的年龄评估实验,验证了所提模型的有效性和性能优越性.
人脸年龄估计、耦合关系、特征关系、编码关系、输入输出关系、关系自学习、交替优化、深度架构
17
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;江苏省自然科学基金;模式识别国家重点实验室开放课题;机器智能与模式分析工信部重点实验室开放课题;江苏省高校青蓝工程
2022-04-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
257-265