项目名称: 基于海量网络媒体数据的人脸老化模拟与年龄估计方法研究

项目编号: No.61273263

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 王蕴红

作者单位: 北京航空航天大学

项目金额: 80万元

中文摘要: 人脸老化模拟与年龄估计在实际中具有广泛的应用,是人脸分析领域的重要研究方向。传统的人脸老化模拟与年龄估计算法往往依赖于一个高质量老化数据库,但这种数据库在实际中采集需要很长一段时间,且数据库在人的种族、年龄、性别上的分布有明显局限性,使得现存的人脸老化模拟及年龄估计算法难以应用于实际场景中。本项目中拟采用网络媒体中的海量数据信息,利用其中带有年龄标签的人脸视频及图像,建立多种族、年龄及性别分布较为均匀的人脸老化数据库,利用该数据库进行人脸老化模拟与年龄估计算法的研究,设计不依赖于同一个个体在不同年龄段下的人脸图像序列的人脸老化模拟算法,建立对于年龄标签中存在的噪声鲁棒的人脸年龄估计算法,并将人脸老化模拟与年龄估计算法结合为一个统一的迭代框架,提升算法的总体性能,最后将该框架应用于年龄无关的人脸识别及检索,提高在测试人脸与数据库中人脸存在年龄差距时的识别率及检索的正确率。

中文关键词: 网络媒体数据;人脸老化模拟;人脸年龄估计;;

英文摘要: Human face aging simulation and age estimation has a wide range of real-world applications and is also one of the main topics in face analysis. Traditional human face aging simulation and age estimation algorithms always require a high-quality face aging database. In practice, however, the construction of this kind of database takes a very long period of time. Moreover, most currently used face aging databases has obvious limitation in the distribution of age, gender and ethnic origin, which leads to the fact that human face aging simulation and age estimation algorithms can hardly be used in the real scenario. Our project will employ the huge amounts of data in the network media and collect face images and videos with age labels from it, constructing a face aging database containing face samples from varieties of ethnic origins and with uniform distributions of age and gender. Using this database, we will research on face aging simulation and age estimation algorithms, designing face aging simulation methods not depending on individuals' face image sequences at different age groups and face age estimaion methods which is robust to the noises in the age labels. Furthermore, we will combine the face aging simulation method and age estimation algorithm in an iterative framework, enhancing the overall performance o

英文关键词: Network media data;face aging simulation;face age estimation;;

成为VIP会员查看完整内容
1

相关内容

CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
46+阅读 · 2021年8月28日
【IJCAI2021】​单样本可供性检测
专知会员服务
9+阅读 · 2021年8月27日
基于深度学习的视频目标检测综述
专知会员服务
82+阅读 · 2021年5月19日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
29+阅读 · 2020年7月31日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
WSDM'22「Facebook」推荐采样方法哪家强?
图与推荐
0+阅读 · 2022年1月19日
TPAMI 2019 | 鲁棒RGB-D人脸识别
计算机视觉life
11+阅读 · 2019年6月8日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Automated Data Augmentations for Graph Classification
Arxiv
13+阅读 · 2022年1月20日
Arxiv
21+阅读 · 2020年10月11日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
小贴士
相关VIP内容
CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
46+阅读 · 2021年8月28日
【IJCAI2021】​单样本可供性检测
专知会员服务
9+阅读 · 2021年8月27日
基于深度学习的视频目标检测综述
专知会员服务
82+阅读 · 2021年5月19日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
29+阅读 · 2020年7月31日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
WSDM'22「Facebook」推荐采样方法哪家强?
图与推荐
0+阅读 · 2022年1月19日
TPAMI 2019 | 鲁棒RGB-D人脸识别
计算机视觉life
11+阅读 · 2019年6月8日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员