摘要

我们提出一种新颖的方法，用于为大量真实场景下的面部图像标注高质量的年龄后验分布作为标签。每个后验分布均表示某张人脸年龄估计的概率分布。该方法的灵感来源于一个观察：相较于准确判断一个人的实际年龄，人们更容易分辨两个人中谁更年长。给定一个包含已知年龄样本的参考数据库以及待标注的数据集，我们可通过人机协同的对比方式，将可靠标注从参考库迁移至目标数据集。我们进一步提出一种有效方法，利用全连接层与SoftMax层将此类对比结果转化为后验分布，从而支持深度网络中的端到端训练。得益于这一高效且精准的标注方法，我们构建了一个新的大规模面部年龄数据集，命名为“MegaAge”，包含41,941张图像。数据集可从项目主页 mmlab.ie.cuhk.edu.hk/projects/MegaAge 及 GitHub 仓库 github.com/zyx2012/Age_estimation_BMVC2017 下载。基于该数据集，我们训练了一种联合执行序数超平面分类与后验分布学习的网络模型。实验结果表明，该方法在MORPH2、Adience等主流基准数据集以及新提出的MegaAge数据集上均取得了当前最优的性能表现。