徐晓玲,金忠,贲圣兰.基于标签敏感最大间隔准则的人脸年龄两步估计算法[J].计算机科学,2018,45(6):284-290
基于标签敏感最大间隔准则的人脸年龄两步估计算法
Facial Age Two-steps Estimation Algorithm Based on Label-sensitive Maximum Margin Criterion
投稿时间:2017-04-18  修订日期:2017-09-04
DOI:10.11896/j.issn.1002-137X.2018.06.050
中文关键词:  最大间隔准则,标签敏感,两步,局部回归,年龄估计
英文关键词:Maximum margin criterion,Label-sensitive,Two-steps,Local regression,Age estimation
基金项目:本文受国家自然科学基金(61373063,61375007,61233011),国家重点基础研究发展计划(2014CB349303)资助
作者单位E-mail
徐晓玲 南京理工大学计算机科学与工程学院 南京210094
南京理工大学高维信息智能感知与系统教育部重点实验室 南京210094 
xuxiaoling1028.njust@hotmail.com 
金忠 南京理工大学计算机科学与工程学院 南京210094
南京理工大学高维信息智能感知与系统教育部重点实验室 南京210094 
zhongjin@njust.edu.cn 
贲圣兰 南京大学电子科学与工程学院 南京210023  
摘要点击次数: 157
全文下载次数: 153
中文摘要:
      传统的最大间隔准则在计算类间离散度矩阵时往往忽略了类别之间的差异,但是对于人脸年龄估计,不同年龄标签之间的差异性是非常显著的。因此,在标签之间引入距离度量,提出标签敏感的最大间隔准则维数约减算法。此外,考虑到人脸变老的复杂性,提出两步的局部回归算法——K近邻-标签分布的支持向量回归(K Nearset Neighbors-Label Distribution Support Vector Reressor,KNN-LDSVR),以进行人脸年龄估计。在FGNET数据库子集上提出的人脸年龄估计方法的平均绝对误差为4.1岁,相对于已有的年龄估计方法,性能得到提升。
英文摘要:
      Traditional maximum margin criterion usually ignores the differences between classes in the computation of the between-class scatter matrix.However,for facial age estimation,the differences between age labels are very significant.Therefore,this paper proposed a novel dimensionality reduction algorithm,called label-sensitive maximum margin criterion (lsMMC),by introducing a distance metric between the classes.In addition,considering the complicated facial aging process,this paper proposed a two-steps local regression algorithm named K nearest neighbors-label distribution support vector regressor (KNN-LDSVR) for age estimation.The mean absolute error of the proposed facial aging estimation method on the FGNET database subset is 4.1 years,which improves the performance compared with existing age estimation methods.
查看全文  查看/发表评论  下载PDF阅读器