ckc_csdn的博客

在这项工作中，我们提出了一种融合技术，结合基于CNN和COSFIRE的特征来识别人脸图像中的年龄组。CNN和COSFIRE都是在各种计算机视觉应用中被证明有效的可训练的方法。对于CNN，我们使用预先训练过的VGG-Face架构，对于COSFIRE，我们从训练数据中配置了新的COSFIRE过滤器。我们在这项工作中想要调查的假设是，将CNN和COSFIRE方法结合在一起是否会改善结果。采用堆叠支持向量机(SVM)分类器的融合技术，并使用FERET数据集图像进行训练和测试

为了进一步提高年龄估计的精度，提出了一种基于深度学习和有向无环图SVM的局部调整年龄估计算法。在训练阶段，首先对VGGFace2数据集预先训练好的SE-ResNet-50网络进行微调。一旦网络收敛，由最后一个完全连接层的参数组成的向量作为表示，并训练多个一对一的（One-Versus-One）支持向量机。在测试阶段,我们首先将待估计的人脸图像送入SE-ResNet-50得到粗略的年龄估计值，然后设置特定的邻域，最后将训练好的支持向量机组合成有向无环图支持向量机，以全局估计的特定邻域为中心进行精确的年龄估计。

论文笔记（基于回归分析的人脸年龄预测研究）1. 基本信息2. 核心内容3. 图标公式* 预测流程* ＰＣＡ方法的计算过程* ＳＶＲ方法的计算过程* 结果比较4. 补充说明阅读论文：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2021&filename=BJJZ202004014&v=p%25mmd2BzA6n7lbvEFFsP9xclkvbkVxUv4LFIxLzKLUsYeE%2