http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 세바라 아미룰라에바 (검색결과 1 건)
-
Relative Age Position Learning for Face-based Age Estimation
세바라 아미룰라에바 서울과학기술대학교 2024 국내석사
Title: Relative Age Position Learning for Face-based Age Estimation Identification of human age stands as a significant biometric trait, particularly in computer vision, where estimating age from a single facial image poses a considerable challenge. Recent years have seen various methodologies aimed at refining age estimation frameworks. However, previous leading methods treat facial characteristics across all ages equally, disregarding potential rich age-specific information contained within certain age groups. Moreover, the estimation of a precise age without any reference data is a difficult task and one way to address this problem is to create a feature representation map that contains information of all relative ages. This paper introduces the concept of relative age position learning to supplement the learning process for age estimation models. Drawing inspiration from feature re-calibration modules that prioritize features based on their importance, a novel age-based re-weighting module is developed to enhance the feature representation in the proposed age estimation method. The proposed re-weighting module obtains the features of selected references for each age and further exploits them to re-weight the features of input images based on the age significance. The resulting re- calibrated features are then assessed for relative age position prediction. In addition, to achieve a better generalization performance in age estimation, a gender prediction head is added to create a multi-task learning network that simultaneously predicts the ages and genders of input images. Through extensive experiments, it is showed that proposed approach outperforms other state-of-the-art age estimation methods on three challenging benchmark datasets for facial age estimation such as AgeDB, AFAD, and CACD. 제목: 얼굴 기반 나이 추정을 위한 상대 연령 위치 학습 인간의 나이를 식별하는 것은 컴퓨터 비전에서 특히 중요한 생체 인식 특성으로, 단일 얼굴 이미지에서 나이를 추정하는 것은 상당한 어려움을 겪고 있습니다. 최근 몇 년간 나이 추정 프레임워크를 개선하기 위한 다양한 방법론이 등장했습니다. 그러나 이전의 주요 방법은 모든 연령의 얼굴 특성을 동등하게 취급하여 특정 연령 그룹에 포함된 풍부한 연령별 정보를 간과합니다. 또한, 어떠한 참조 데이터 없이 정확한 나이를 추정하는 것은 어려운 과제이며, 이 문제를 해결하는 한 가지 방법은 모든 상대 연령의 정보를 포함하는 특징 표현 맵을 생성하는 것입니다. 본 논문은 나이 추정 모델의 학습 과정을 보충하기 위한 상대 나이 위치 학습 개념을 소개합니다. 기능 재보정 모듈에서 영감을 받아 중요성에 따라 기능을 우선 순위로 지정하는 기능 재가중 모듈을 개발하여 제안된 나이 추정 방법의 기능 표현을 강화합니다. 제안된 재가중 모듈은 각 연령의 선택된 참조 기능을 얻고 이를 활용하여 입력 이미지의 기능을 연령 중요성에 따라 재가중합니다. 이로써 재보정된 특징은 상대 나이 위치 예측을 위해 평가됩니다. 또한, 나이 추정의 일반화 성능을 향상하기 위해 입력 이미지의 나이와 성별을 동시에 예측하는 멀티태스크 학습 네트워크를 생성하기 위해 성별 예측 헤드가 추가됩니다. 광범위한 실험을 통해 제안된 접근 방식이 AgeDB, AFAD, CACD 와 같은 얼굴 나이 추정을 위한 세 가지 어려운 벤치마크 데이터셋에서 다른 최신 나이 추정 방법보다 뛰어난 성능을 보여주었습니다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
