[論文レビュー] Transfer Learning with Deep CNNs for Gender Recognition and Age Estimation

Philip N. Smith, Cuixian Chen|arXiv (Cornell University)|Nov 18, 2018

Face recognition and analysis参考文献 13被引用数 7

ひとこと要約

本論文では、MORPH-IIデータセットにおける性別認識および年齢推定のため、事前学習済みのVGG19およびVGGFaceディープCNNを用いた転移学習アプローチを提案する。データオーグメンテーション、ラベル分布年齢符号化、および性別に特化した階層的モデルを適用することで、性別認識の正確性が98.7%に達し、年齢推定の平均絶対誤差（MAE）は4.10年となり、単一モデルアプローチを上回る性能を発揮した。

ABSTRACT

In this project, competition-winning deep neural networks with pretrained weights are used for image-based gender recognition and age estimation. Transfer learning is explored using both VGG19 and VGGFace pretrained models by testing the effects of changes in various design schemes and training parameters in order to improve prediction accuracy. Training techniques such as input standardization, data augmentation, and label distribution age encoding are compared. Finally, a hierarchy of deep CNNs is tested that first classifies subjects by gender, and then uses separate male and female age models to predict age. A gender recognition accuracy of 98.7% and an MAE of 4.1 years is achieved. This paper shows that, with proper training techniques, good results can be obtained by retasking existing convolutional filters towards a new purpose.

研究の動機と目的

• 事前学習済みディープCNNを用いた転移学習により、性別認識および年齢推定の正確性を向上させること。
• データオーグメンテーション、入力標準化、ラベル分布年齢符号化といった異なるトレーニング技術がモデル性能に与える影響を評価すること。
• 性別に応じて年齢推定を分離する階層的モデルが、単一の汎用モデルよりも優れた結果をもたらすかどうかを調査すること。
• VGG19およびVGGFaceの事前学習モデルが、顔の人口統計予測タスクにおいて、それぞれどの程度有効であるかを比較すること。
• 推論速度の評価を通じて、提案されたシステムが実時間処理の実現可能性を示すこと。

提案手法

• ImageNetおよび顔認識データセットで事前学習されたVGG19およびVGGFaceモデルを、性別および年齢予測のため微調整すること。
• 年齢を確率分布としてモデル化することで年齢推定の精度を向上させるため、動的ラベル分布年齢符号化（LDAE）を適用すること。
• モデルの汎化性およびロバスト性を向上させるために、データオーグメンテーションおよび入力標準化を実装すること。
• 2段階の階層的モデルを実装：まず性別を分類し、その後、性別に特化した年齢モデルを適用してより精緻な推定を行うこと。
• MORPH-IIデータの80%をトレーニングに、残りの20%をテストに使用し、トレーニングセットとテストセットの間に被験者を重複させないこと。
• 年齢推定には平均絶対誤差（MAE）、性別分類には正確性を評価指標として用いること。

Figure 1: A depiction of subsetting scheme on a cleaned version of MORPH-II, following the subsetting proposed by Guo and Mu [ 22 ] .

実験結果

リサーチクエスチョン

• RQ1 一般用途のVGG19と比較して、顔認識用に事前学習されたVGGFaceの重みを用いた転移学習は、性別認識および年齢推定の正確性を向上させるか？
• RQ2 データオーグメンテーション、入力標準化、ラベル分布年齢符号化は、年齢および性別予測におけるモデル性能にどのように影響するか？
• RQ3 性別に特化した階層的年齢モデルは、単一の汎用年齢モデルと比較して、年齢推定誤差を低減できるか？
• RQ4 性別および年齢モデルの最適なトレーニングエポック数は何か？ これは正確性と過学習のバランスを取るために重要である。
• RQ5 提案されたシステムは、実用的応用への展開に適した実時間推論性能を達成できるか？

主な発見

• 性別に特化した階層的年齢モデルは、平均絶対誤差（MAE）が4.10年となり、本研究でテストされた他のすべてのモデルを上回った。
• VGGFaceモデルは性別認識の正確性が98.68%を達成し、VGG19モデルの96.6%を上回った。
• 階層的アプローチにより、年齢推定誤差は4.10年にまで低減され、男性用モデルではMAEが3.79年、女性用モデルでは5.22年となった。
• システムは62.62フレーム/秒の実時間推論速度を達成し、ライブデプロイメントに適していることが示された。
• 動的LDAEは静的LDAEよりも年齢推定性能の向上に効果的であることが判明した。
• 先行する最先端手法（BIF+KPLS：4.18 MAE、BIF+OLPP：4.45 MAE）と比較して、本モデルは優れた性能を示した。

Figure 2: A new top for VGG19. All weights are initialized randomly and then the network learns how to discern male from female by examining the output of the convolutional layers.