[論文レビュー] On the effect of age perception biases for real age regression

Julio C. S. Jacques, Cagri Ozcinar+4 more|arXiv (Cornell University)|Feb 20, 2019

Face recognition and analysis参考文献 29被引用数 5

ひとこと要約

本稿では、顔の属性（性別、表情、化粧、人種など）を用いて人間の認知バイアスをモデル化することで、顔の外見年齢推定と実年齢回帰を同時に最適化するエンドツーエンドのディーブラーニングフレームワークを提案する。まず、これらの属性を活用して外見年齢推定を向上させ、その後、それらを逆に用いてバイアスを補正し、実年齢を回帰することで、APPA-REALデータセット上で先行する最良手法よりも優れた性能を達成した。

ABSTRACT

Automatic age estimation from facial images represents an important task in computer vision. This paper analyses the effect of gender, age, ethnic, makeup and expression attributes of faces as sources of bias to improve deep apparent age prediction. Following recent works where it is shown that apparent age labels benefit real age estimation, rather than direct real to real age regression, our main contribution is the integration, in an end-to-end architecture, of face attributes for apparent age prediction with an additional loss for real age regression. Experimental results on the APPA-REAL dataset indicate the proposed network successfully take advantage of the adopted attributes to improve both apparent and real age estimation. Our model outperformed a state-of-the-art architecture proposed to separately address apparent and real age regression. Finally, we present preliminary results and discussion of a proof of concept application using the proposed model to regress the apparent age of an individual based on the gender of an external observer.

研究の動機と目的

• 人間の認知バイアスを深層学習に統合することで、実年齢推定が向上するかどうかを調査すること。
• 顔の属性をバイアス指標として用いて、外見年齢と実年齢推定を同時に学習するエンドツーエンドアーキテクチャを開発すること。
• 外見年齢推定を属性に配慮した学習で行うことで、実年齢回帰の精度が向上することを検証すること。
• 観察者の性別が外見年齢の認知に与える影響を調査し、個別化された年齢推定にその影響をモデル化すること。
• 観察者の性別に基づいて外見年齢を予測するプロトタイプアプリケーションを提示すること。

提案手法

• 初期層で顔の属性（性別、表情、化粧、人種）を用いて外見年齢を予測するマルチタスクCNNアーキテクチャを採用する。
• 同じ特徴から実年齢を回帰するための別々の損失ヘッドを用い、外見年齢予測のバイアス補正を効果的に行う。
• 顔の属性をワンホットベクトルとして符号化し、特徴マップに連結することで、外見年齢および実年齢予測をガイドする。
• 外見年齢と実年齢回帰損失を組み合わせた総合損失関数を用いて、エンドツーエンドでネットワークを訓練する。
• 観察者の性別モデリングのため、ラベルラーの性別を追加の入力として、ワンホットベクトルに符号化し、対象者の属性と連結する。
• 観察者の性別アノテーションを追加した修正されたAPPA-REALデータセットを用いて微調整を行い、1,328件の新しいトレーニングスプリットを作成した。

実験結果

リサーチクエスチョン

• RQ1 顔の属性を用いて人間の認知バイアスをモデル化することで、実年齢推定が向上するか？
• RQ2 外見年齢と実年齢回帰をエンドツーエンドで同時に学習することは、二つのタスクを別々に学習するのと比べて優れているか？
• RQ3 性別、表情、化粧などの特定の属性が、外見年齢および実年齢推定にどのように影響するか？
• RQ4 モデルは、男性または女性の観察者が特定の顔の年齢をどのように認識するかを予測できるか？
• RQ5 観察者の性別が外見年齢の認知に与える影響は何か？そして、その影響は深層学習フレームワークで効果的にモデル化できるか？

主な発見

• 提案されたエンドツーエンドモデルは、外見年齢と実年齢回帰を別々に学習する最先端のベースラインを上回った。
• 観察者の性別に基づいて外見年齢を予測した際、男性観察者では平均絶対誤差（MAE）が9.243、女性観察者では9.758であった。これは、男性の認知に対してわずかに高い精度を示している。
• 観察者の性別を入力に含めることで、モデルの観察者固有の外見年齢予測能力が向上し、定性的な結果から期待される性別による認知差の違いと整合性が確認された。
• 外見年齢推定を属性に配慮したバイアスモデリングで行うことで、属性を含めた直接的な実年齢対実年齢回帰よりも、実年齢回帰の精度が向上することが示された。
• 結果から、観察者の性別が外見年齢の認知に影響を与えることが示され、その影響は深層学習フレームワークで効果的に捉えることができると示唆された。
• プロトタイプアプリケーションは、観察者の性別に基づいて外見年齢を予測することができ、モデルが人間の認知バイアスを模倣する能力を有していることを検証した。