[論文レビュー] How Transferable are CNN-based Features for Age and Gender Classification?

Gökhan Özbulak, Yusuf Aytar+1 more|arXiv (Cornell University)|Oct 1, 2016

Face recognition and analysis参考文献 21被引用数 10

ひとこと要約

この論文は、制約のない環境における年齢および性別分類のための事前学習済み畳み込みニューラルネットワーク（CNN）特徴量の転移性を調査する。Adienceデータセットを用いて、汎用的（AlexNetに類似）およびドメイン特化型（VGG-Face）のCNNモデルを微調整し、転移学習が、タスク特化型CNN（GilNet）を初期状態から訓練するのと比較して、年齢分類で7%、性別分類で4.5%の精度向上を達成することを示している。

ABSTRACT

Age and gender are complementary soft biometric traits for face recognition. Successful estimation of age and gender from facial images taken under real-world conditions can contribute improving the identification results in the wild. In this study, in order to achieve robust age and gender classification in the wild, we have benefited from Deep Convolutional Neural Networks based representation. We have explored transferability of existing deep convolutional neural network (CNN) models for age and gender classification. The generic AlexNet-like architecture and domain specific VGG-Face CNN model are employed and fine-tuned with the Adience dataset prepared for age and gender classification in uncontrolled environments. In addition, task specific GilNet CNN model has also been utilized and used as a baseline method in order to compare with transferred models. Experimental results show that both transferred deep CNN models outperform the GilNet CNN model, which is the state-of-the-art age and gender classification approach on the Adience dataset, by an absolute increase of 7% and 4.5% in accuracy, respectively. This outcome indicates that transferring a deep CNN model can provide better classification performance than a task specific CNN model, which has a limited number of layers and trained from scratch using a limited amount of data as in the case of GilNet. Domain specific VGG-Face CNN model has been found to be more useful and provided better performance for both age and gender classification tasks, when compared with generic AlexNet-like model, which shows that transfering from a closer domain is more useful.

研究の動機と目的

• 実世界の制約のない条件下における、事前学習済みCNNを用いた転移学習の有効性を評価すること。
• 年齢および性別分類タスクにおいて、汎用的CNNアーキテクチャ（例：AlexNetに類似）とドメイン特化型モデル（例：VGG-Face）の性能を比較すること。
• 大規模な顔認識データセットで事前学習されたモデルから転移学習を行うことで、タスク特化型CNNを初期状態から訓練するのと比較して性能が向上するかどうかを評価すること。
• 事前学習タスクとターゲットタスクのドメイン類似度が、転移学習の有効性に与える影響を特定すること。

提案手法

• Adienceデータセット上で、年齢および性別分類のための汎用的AlexNetに類似したCNNアーキテクチャを微調整する。
• 大規模な顔認識データで事前学習済みのドメイン特化型VGG-Face CNNモデルを、同じタスクに合わせて微調整する。
• 比較のためのベースラインとして、Adienceデータセット上でタスク特化型CNN（GilNet）を初期状態から訓練する。
• 事前学習済みモデルから得た特徴量を、ターゲットの年齢および性別分類タスクに適応させるために転移学習を用いる。
• 標準的なトレーニングプロトコルとして、確率的勾配降下法とデータオーグメンテーションを用いて性能を最適化する。
• Adienceベンチマークデータセット上で、標準的な指標（例：精度）を用いてモデルの性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 汎用的またはドメイン特化型モデルからの事前学習済みCNN特徴量は、タスク特化型CNNを初期状態から訓練するのと比較して、年齢および性別分類の精度を向上させるか？
• RQ2 事前学習済みモデルの選択（例：AlexNetに類似 vs. VGG-Face）が、制約のない環境における年齢および性別分類の性能に与える影響は何か？
• RQ3 関連ドメイン（例：顔認識）で事前学習されたモデルから特徴量を転移させることは、汎用的画像分類モデルからの転移よりも優れた結果をもたらすか？
• RQ4 限られたデータ上で、タスク特化型CNNを初期状態から訓練するのと比較して、転移学習による相対的な性能向上は何か？
• RQ5 事前学習タスクとターゲットタスクのドメイン類似度が、CNN特徴量の転移性に与える影響は何か？

主な発見

• 事前学習済みCNNを用いた転移学習は、タスク特化型CNN（GilNet）を初期状態から訓練するのと比較して顕著に優れており、年齢分類で7%の絶対的精度向上を達成した。
• ドメイン特化型のVGG-Faceモデルは、汎用的AlexNetに類似したモデルよりも優れた性能を示しており、類似ドメインからの転移が優れた結果をもたらすことを示している。
• VGG-Faceベースのモデルは、年齢および性別分類の両方で、汎用的AlexNetに類似したモデルよりも高い精度を達成した。
• Adienceデータセット上で事前学習済みモデルを微調整することで、ベースラインのGilNetモデルと比較して、性別分類精度が4.5%向上した。
• 結果から、実世界の制約のない環境における顔属性推定において、転移学習が非常に有効であることが示された。
• 本研究は、ドメイン特化型の事前学習が、特に訓練データが限られた状況において、特徴量の転移性を向上させることを確認した。