【论文解读】DLDL: Deep Label Distribution Learning With Label Ambiguity（年龄估计）

1. 介绍

论文地址：https://arxiv.org/pdf/1611.01731v2.pdf

代码：https://github.com/gaobb/DLDL

针对问题：年龄估计

（1）缺乏精确标签的训练图像；

（2）既不属于回归问题，也不属于分类问题；

回归问题的回归曲线是静态的，而年龄估计是每个人服从单独的回归曲线，是动态的；
标签间存在模糊的信息，使得这些任务不同于传统的分类任务， softmax仅仅强调了类间差异的最大化，却忽略了年龄问题本身的连续性。

主要贡献：

（1）将每幅图像的标签转换为离散的标签分布，并利用KL散度拟合标签分布；

（2）提出的DLDL方法在特征学习和分类器学习中都有效地利用了标签的模糊性，即使训练集很小，也能有效地防止网络的过度拟合;

（3）结果表明，该方法比现有的年龄估计和头位估计方法具有更好的估计效果。同时，它也提高了多标签分类和语义分割任务的识别性能。

2. 方法

理想的标签分布y=（y1，y2，...，yC）必须满足一些基本原则：

y应该是一个概率分布；
概率值i应在与图像相关联的所有可能标签之间存在差异。即一个不那么模棱两可的类别必须被赋予高概率，而那些更模棱两可的标签必须具有低概率

为达到这两个原则，文章的主要思想是将真实年龄转换成以该年龄值为均值的正态分布，即：

用softmax拟合该正态分布：

最后的预测年龄有两种方法获得：

3. 实验

（1）评价指标

（2）标签分布

（3）实验结果

【论文解读】DLDL: Deep Label Distribution Learning With Label Ambiguity（年龄估计）相关推荐

年龄论文阅读——Deep Label Distribution Learning With Label Ambiguity
论文阅读--Deep Label Distribution Learning With Label Ambiguity 版权声明:本文为博主原创文章,未经博主允许不得转载.https://blog.c ...
Deep Label Distribution Learning With Label Ambiguity
2017 年Deep Label Distribution Learning With Label Ambiguity精读 2021-06-21最近想要做关于semantic segmentation ...
论文解读|2020TPAMI|Deep High-Resolution Representation Learning for Visual Recognition
用于视觉识别的深度高分辨率表征学习 github:https://github.com/HRNet 论文地址:https://arxiv.org/pdf/1908.07919 摘要高分辨率表示对于位 ...
论文解读：Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning
论文解读:Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning (2018 ACL) 简要信息: ...
T-PAMI-2021论文Semi-Supervised Multi-View Deep Discriminant Representation Learning阅读笔记
提示:文 0.论文信息题目:Semi-Supervised Multi-View Deep Discriminant Representation Learning 期刊: IEEE Transac ...
论文解读：Deep High Dynamic Range Imaging of Dynamic Scenes
Deep High Dynamic Range Imaging of Dynamic Scenes Abstract 这篇文章介绍了一种在动态场景中,如何将不同曝光的图像进行融合从而得到高动态图像的方 ...
【论文解读 ASONAM 2019】Semi-Supervised Learning and Graph Neural Networks for Fake News Detection
论文题目:Semi-Supervised Learning and Graph Neural Networks for Fake News Detection 论文链接:https://ieeexpl ...
论文翻译：Deep Progressive Reinforcement Learning for Skeleton-based Action Recognition
在本文中,我们提出了一种深度递进强化学习(DPRL)方法来识别基于骨架的视频中的动作,其目的是提取最有信息的帧,并丢弃序列中不明确的帧来识别动作.由于每个视频选择代表性帧的数量众多,我们通过深度强化学 ...
优化案例(part2)--Fragmentary label distribution learning via graph regularized maximum entropy criteria
学习笔记,仅供参考,有错必纠文章目录目标函数优化方案算法流程目标函数优化方案对于光滑函数和非光滑函数目标,可以采用ADMM(交替方向乘子法). 我们使用ADMM来求解我们的目标函数.原方 ...

【论文解读】DLDL: Deep Label Distribution Learning With Label Ambiguity（年龄估计）

1. 介绍

2. 方法

【论文解读】DLDL: Deep Label Distribution Learning With Label Ambiguity（年龄估计）相关推荐

最新文章

热门文章