白昊洋+胡?？?馬可心+高策

摘要：人臉圖像年齡估計(jì)在計(jì)算機(jī)視覺領(lǐng)域中已經(jīng)成為一項(xiàng)非常重要的任務(wù)，具有廣泛的實(shí)際應(yīng)用價(jià)值。針對(duì)非受限條件下人臉圖像年齡分類困難的問題，提出了一種基于深度殘差網(wǎng)絡(luò)的非受限條件下人臉年齡分類方法。首先，具體介紹了34層殘差網(wǎng)絡(luò)的結(jié)構(gòu)，并將其作為卷積神經(jīng)網(wǎng)絡(luò)模型處理人臉年齡分類問題。然后，對(duì)Adience數(shù)據(jù)集詳細(xì)描述，并在此數(shù)據(jù)集上對(duì)網(wǎng)絡(luò)訓(xùn)練和測(cè)試。最后，通過與現(xiàn)有年齡估計(jì)方法的結(jié)果進(jìn)行對(duì)比，可得該文方法獲得了較好的年齡分類準(zhǔn)確度。

關(guān)鍵詞：殘差網(wǎng)絡(luò)；人臉圖像：年齡分類：非受限條件：Adience數(shù)據(jù)集

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）14-0169-02

1概述

人臉圖像包含很多信息，如身份、表情、姿態(tài)、性別和年齡。其中，年齡是人的重要生物特征，可以應(yīng)用于多種場(chǎng)景，如基于年齡的人機(jī)交互系統(tǒng)、基于年齡的訪問控制、電子商務(wù)中個(gè)性營(yíng)銷及刑事案件偵查中的年齡過濾等n，。很多研究者在人臉圖像年齡估計(jì)方面做了大量研究，早期，主要用Gabor，LBP，SFP和BIF等提取特征以及SVM方法進(jìn)行年齡分類，這些人工提取特征的方法在受限條件下的人臉數(shù)據(jù)集上獲得了不錯(cuò)的結(jié)果，但是在非受限條件下的人臉年齡分類任務(wù)中效果不佳；近幾年，深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）成為了計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。從5層的LeNet，到8層的AlexNet，再到19層的VGGm和22層的GoogleNet，直到上千層的ResNets，無論是網(wǎng)絡(luò)的學(xué)習(xí)能力還是深度都得到顯著提高。因此，越來越多的學(xué)者采用DCNN解決年齡分類問題，并證明其在非受限條件下能獲得明顯優(yōu)于手工提取特征方法的結(jié)果。

在人臉年齡分類中，人臉圖像往往受到面部姿態(tài)、光線、化妝和背景等影響，極大地限制了人臉年齡分類的準(zhǔn)確性。針對(duì)非受限條件下人臉圖像年齡分類困難的問題，本文提出了一種基于深度殘差網(wǎng)絡(luò)的非受限條件下人臉年齡分類方法。

2 34層殘差網(wǎng)絡(luò)

He等提出了深度殘差網(wǎng)絡(luò)（ResNets），該網(wǎng)絡(luò)采用殘差塊作為網(wǎng)絡(luò)的基本組成部分，可以很大程度上解決DCNN隨著深度增加而帶來的網(wǎng)絡(luò)退化問題。ResNets在原始卷積層外部加人越層連接（shoacut）支路構(gòu)成基本殘差塊RB，使原始的映射H（X）被表示為H（X）=F（X）+x。ResNets通過殘差塊結(jié)構(gòu)將網(wǎng)絡(luò)對(duì)爿（X）的學(xué)習(xí)轉(zhuǎn)化為對(duì)F（X）的學(xué)習(xí)，而對(duì)F（X）的學(xué)習(xí)較H（X）更為簡(jiǎn)單。基于殘差塊更易學(xué)習(xí)的特性，ResNets通過順序累加殘差塊成功地緩解了DCNN的退化問題，提高了網(wǎng)絡(luò)性能。

ResNet-34結(jié)構(gòu)如圖1所示，殘差塊的具體表達(dá)式如下，函數(shù)F（x）表示殘差映射，x和y分別代表殘差塊的輸入和輸出。當(dāng)x和F數(shù)相同時(shí)，采用式（1），此時(shí)越層連接既沒有增加額外參數(shù)也沒有增加計(jì)算復(fù)雜度。當(dāng)x和F維數(shù)不同時(shí)，采用式（2），通過越層連接執(zhí)行1×1卷積映射G（x）以匹配維數(shù)。

ResNet-34網(wǎng)絡(luò)輸入圖像大小為224×224。首先經(jīng)過卷積層，卷積核為7×7，步長(zhǎng)為2，輸出特征圖為112×112；再經(jīng)過最大池化層；其次經(jīng)過四組不同殘差塊，各殘差塊組的殘差塊數(shù)量分別為3、4、6和3，并且同組中的殘差塊輸入輸出維度相同，分別為64、128、256和512，各組輸出特征圖大小依次為56×56、28×28、14×14、7×7。最后經(jīng)過平均池化層和全連接層，通過softmax分類器，輸出分類結(jié)果。

3數(shù)據(jù)集

Adience數(shù)據(jù)集來自人們從智能手機(jī)設(shè)備自動(dòng)上傳到網(wǎng)絡(luò)相冊(cè)的圖像。這些圖像在上傳之前并沒有經(jīng)過人工過濾，且這些圖像都是在非受限條件下拍攝的。這些圖像在頭部姿勢(shì)、面部表情和光線條件質(zhì)量等方面都存在很大差異，所以在Adi-ence數(shù)據(jù)集下的人臉圖像年齡分類任務(wù)面臨巨大挑戰(zhàn)。

Adience包含2284個(gè)人的26580張人臉圖像，年齡范圍為0-100歲，共8個(gè)年齡段（0-2，4-6，8-13，15-20，25-32，38-43，48-53，60-），年齡分布如表1。

4實(shí)驗(yàn)結(jié)果與分析

為了提升網(wǎng)絡(luò)的人臉分類性能，本文選用ResNet-34在人臉圖像Adience數(shù)據(jù)集上做年齡分類。訓(xùn)練和測(cè)試時(shí)動(dòng)量值為0.9，權(quán)重衰減為0.0001。batch大小設(shè)為64，epoch設(shè)為164，初始學(xué)習(xí)率為0.1，在81和122個(gè)epoch之后學(xué)習(xí)率分別降為0.01和0.001。本文實(shí)驗(yàn)?zāi)Ｐ筒捎肗vidia Titan X GPU訓(xùn)練，運(yùn)行環(huán)境為torch7。

本文采用文獻(xiàn)[7]中的交叉驗(yàn)證方法，將Adience數(shù)據(jù)集分成五組不同圖像（fold-0，fold-1，fold-2，fold-3，fold-4），令其中一組圖像作為測(cè)試集，其余四組圖像作為訓(xùn)練集，共構(gòu)成五種檢測(cè)方式。通過計(jì)算平均分類準(zhǔn)確度和1-off值作為評(píng)估標(biāo)準(zhǔn)。在fold-0測(cè)試的年齡分類準(zhǔn)確度的曲線圖如圖2所示，由此可知網(wǎng)絡(luò)能夠很好地收斂。

為了驗(yàn)證本文方法的有效性，將現(xiàn)有在Adience數(shù)據(jù)集上的年齡分類方法與本文方法對(duì)比，各方法人臉年齡分類結(jié)果如表2所示。由表2可以看出本文提出的方法獲得了除DEX w/IMDB-WIKI Pretrain方法以外的最高年齡分類準(zhǔn)確度，主要由于文獻(xiàn)[10]用大規(guī)模人臉數(shù)據(jù)集IMDB-WIKI微調(diào)網(wǎng)絡(luò)。不經(jīng)過大數(shù)據(jù)集對(duì)網(wǎng)絡(luò)微調(diào)時(shí)，本文提出的基于深度殘差網(wǎng)絡(luò)的年齡分類方法獲得了最高年齡分類準(zhǔn)確度。

5結(jié)論

針對(duì)非受限條件下人臉圖像年齡分類準(zhǔn)確度低的問題，本文提出了一種非受限條件下的殘差網(wǎng)絡(luò)人臉年齡估計(jì)方法。采用ResNet-34網(wǎng)絡(luò)在非受限條件下的Adience數(shù)據(jù)集上進(jìn)行了年齡分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明當(dāng)不用大數(shù)據(jù)集微調(diào)時(shí)，本文提出的方法能夠有效地提高非受限條件下人臉圖像年齡分類準(zhǔn)確度。