DEX: Deep EXpectation of apparent age from a single image 論文閱讀

來自：IMDB-WIKI - 500k+ face images with age and gender labels  https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/

該論文提出了Deep EXpectation（DEX）的表面年齡估計，該方法在2015年得到了ChaLearn LAP表面年齡估計的第一名。

做者提出了將年齡的迴歸問題轉化爲分類問題，這樣能夠用深度學習的cnn方法來訓練，訓練方法是用ImageNet訓練好的VGG-16網絡進行初始化，而後用IMDB-WIKI數據集進行finetune，最後再用LAP數據集再次進行finetune。

1、具體實現過程以下：

一、輸入包含人物的圖像；

二、對圖片進行人臉檢測，對於每張圖片從-60°到+60°，以5°爲步進進行旋轉，另外也對圖片旋轉至-90°、90°、180°進行人臉檢測；

三、將檢測到的人臉區域上下左右向外擴展40%，將擴展後的區域裁切出來，最終圖片尺寸壓縮爲256x256；

四、將全部裁切好的以及標註好的數據集放入VGG-16網絡結構進行訓練；

五、最終輸出爲101個類，即0~100歲，softmax輸出，輸出爲每一個年齡的機率，機率越大表示爲這個年齡的可能性越大。

2、數據集

一、IMDB上得到461,871張，WIKI上得到62,359張，共524,230張，最後爲了去除各年齡數據的不均衡，最終獲得260,282張圖片用於訓練；

二、LAP數據集有4699張人臉圖片，該數據集劃分爲三個部分，2476張用於訓練，1136張用於驗證，1087張用於測試。LAP數據集可http://chalearnlap.cvc.uab.es/dataset/18/description/下載。

3、評估方法

一、MAE（The standard mean absolute error）：平均絕對偏差；

二、ε-error：每張圖片的檢測錯誤率，定義以下：

end