Age Estimation Using Multi-Task Network for Classification and Ranking Tasks
- 주제(키워드) deep learning , convolutional neural network , multi-task learning , age estimation , ranking based CNN
- 발행기관 서강대학교 일반대학원
- 지도교수 박래홍
- 발행년도 2019
- 학위수여년월 2019. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000064232
- UCI I804:11029-000000064232
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
Age estimation is considered as an important biometric trait for video surveillance, social networking, human computer interaction, etc. Recently, age estimation methods have improved the performance using convolutional neural network (CNN). However, the ordinal relationship among ages is ignored when age labels are used in conventional age estimation. In this paper, we propose age estimation using multi-task network for classification and ranking tasks. The proposed method uses multi-task CNN based on VGG16. Each task trains a common characteristic related of age when using ordinal age labels and classification age label. Also the proposed method proposes mean-variance loss for ranking age task. Proposed joint loss is summed each mean-variance loss and cross entropy for ranking and classification age tasks. Experimental results show that the proposed method is evaluated by standard benchmark with FG-NET dataset.
more초록/요약
연령 추정은 비디오 감시, 소셜 네트워킹, 인간 컴퓨터 상호작용 등에서 중요한 생체인식 특징으로 여겨지고 있다. 최근에 연령 추정방법은 Convolutional neural network (CNN)을 사용하여 성능이 향상되어왔다. 하지만 연령 레이블이 전통적인 연령 추정에 사용될 때 연령 사이의 ordinal relationship이 무시된다. 본 논문에서는 classification task과 ranking task를 고려한 multi-task network를 이용한 연령 추정 방법을 제안한다. 제안 된 방법은 VGG16 기반의 multi-task CNN을 사용한다. 각 task는 ranking age label과 classification age label을 사용할 때 연령과 관련된 공통적인 특성을 훈련한다. 또한 제안하는 방법은 ranking age task를 위한 mean-variance loss를 제안한다. 제안하는 joint loss는 각각의 mean-variance loss와 classification age task와 ranking age task의 cross entropy loss가 합산되어 계산된다. 실험 결과에서는 제안하는 방법이 FG-NET dataset을 이용한 standard benchmark로 평가된다. .
more