[论文解读] 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 10

一句话总结

本文研究了在非受限环境下，预训练卷积神经网络（CNN）特征在年龄和性别分类任务中的可迁移性。基于Adience数据集，对通用型（类似AlexNet）和领域特定型（VGG-Face）CNN模型进行微调，结果表明，与从零开始训练专用CNN（GilNet）相比，迁移学习在年龄分类和性别分类任务中的准确率分别提高了7%和4.5%。

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.

研究动机与目标

• 评估在真实世界非受限条件下，使用预训练CNN进行迁移学习在年龄和性别分类任务中的有效性。
• 比较通用CNN架构（如类似AlexNet的模型）与领域特定模型（如VGG-Face）在年龄和性别分类任务中的性能表现。
• 评估从大规模人脸数据集预训练的模型迁移特征是否能提升性能，相较于从零开始训练专用CNN。
• 确定预训练任务与目标任务之间的领域相似性对迁移学习有效性的影响。

提出的方法

• 在Adience数据集上对通用型类似AlexNet的CNN架构进行微调，以实现年龄和性别分类。
• 在大规模人脸识别数据上预训练的领域特定型VGG-Face CNN模型，针对相同任务进行微调。
• 在Adience数据集上从零开始训练专用CNN（GilNet）作为对比基线。
• 利用迁移学习将预训练模型的特征适配到目标年龄和性别分类任务中。
• 采用标准训练协议，结合随机梯度下降和数据增强技术以优化性能。
• 使用标准指标（如在Adience基准数据集上的准确率）评估模型性能。

实验结果

研究问题

• RQ1 与从零开始训练专用CNN相比，使用通用型或领域特定型模型的预训练CNN特征是否能提升年龄和性别分类的准确率？
• RQ2 选择不同的预训练模型（如类似AlexNet的模型与VGG-Face）如何影响在非受限环境下年龄和性别分类的性能表现？
• RQ3 从与目标任务相关领域（如人脸识别）预训练的模型迁移特征，是否比从通用图像分类模型迁移特征获得更好的结果？
• RQ4 在数据有限的情况下，迁移学习相较于从零开始训练专用CNN的性能增益如何？
• RQ5 预训练任务与目标任务之间的领域相似性如何影响CNN特征的可迁移性？

主要发现

• 使用预训练CNN进行迁移学习显著优于从零开始训练专用CNN（GilNet），在年龄分类任务中实现了7%的绝对准确率提升。
• 领域特定型VGG-Face模型的性能优于通用型类似AlexNet的模型，表明来自更接近领域的迁移能获得更优结果。
• 基于VGG-Face的模型在年龄和性别分类任务上的准确率均高于通用型类似AlexNet的模型。
• 在Adience数据集上对预训练模型进行微调，使性别分类准确率相比基线模型GilNet提升了4.5%的绝对值。
• 结果表明，迁移学习在真实世界非受限环境下进行面部属性估计时极为有效。
• 本研究证实，领域特定的预训练能显著提升特征可迁移性，尤其在训练数据有限的情况下。