SSR-Net: A Compact Soft Stagewise Regression Network for Age Estimation

本文由国立台湾大学实验室发表。

主要内容：根据图片预测人物年龄。

主要方法：

1.将年龄由回归问题转化为分类问题，使用分段回归预测年龄。

2.使用动态范围来包含年龄可能出现的区间，也就是说我预测年龄在[30,33]岁之间，也可以转移到[27,30]之间。

 

论文的第三章：SSR-NET结构与方法简述

3.1采用MAE作为损失函数。

3.2分段预测

将年龄范围定为【0， V】，例如90岁，则范围是【0， 90】。我们将年龄区间进行分类，例如每3岁每一类，则有30类。设置类别数目为s，每个类别（BIN）的宽度为w,  所以w=V/s。

我们将区间BIN(i)设置一个代表性年龄，例如【30,33】，可以设置为31岁为这个区间的代表性年龄。代表性年龄我们设置为：

i()函数具体怎么算，我也不太清楚。论文后面可能会讲。

我们在搭建好网络结构之后，网络的输出是一个向量：

这个向量代表 图像的人物年龄，属于每个区间BIN的年龄概率。

预测年龄的公式如下所示：

 

网络结构如下所示：