AbstractThis paper provides a new a

Abstract

This paper provides a new age estimation approach, which distinguishes itself with the following three contributions. First, we combine distance metric learning and dimensionality reduction to better explore the connections between facial features and age labels. Second, to exploit the intrinsic ordinal relationship among human ages and overcome the potential data imbalance problem, a label-sensitive concept and several imbalance treatments are introduced in the system training phase. Finally, an age-oriented local regression is presented to capture the complicated facial aging process for age determination. The simulation results show that our approach achieves the lowest estimation error against existing methods.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเอกสารนี้แสดงยุคใหม่การประเมินวิธีการ การแยกตัวเอง ด้วยการจัดสรรสามต่อไปนี้ ครั้งแรก เรารวมระยะทางวัดเรียนและ dimensionality ลดการดีกว่า การเชื่อมต่อระหว่างผิวหน้าและป้ายชื่ออายุ สอง สัมพันธ์เลขลำดับ intrinsic ในหมู่มนุษย์อายุการกดขี่ขูดรีด และเอาชนะปัญหาความไม่สมดุลของข้อมูลอาจเกิดขึ้น แนวคิดสำคัญป้ายและรักษาสมดุลต่าง ๆ มีการแนะนำในระยะฝึกอบรมระบบการ ในที่สุด มีอายุแปลกถิ่นถดถอยแสดงจับอายุหน้าซับซ้อนกระบวนการสำหรับการกำหนดอายุ ผลการทดลองแสดงว่า วิธีการของเราได้รับข้อผิดพลาดของการประเมินราคากับวิธีการที่มีอยู่

ผลลัพธ์ (ไทย) 2:

บทคัดย่องานวิจัยนี้มีวิธีการประมาณยุคใหม่ซึ่งแตกต่างกับตัวเองต่อไปนี้สามผลงาน ครั้งแรกที่เรารวมระยะการเรียนรู้ตัวชี้วัดและการลดมิติที่ดีกว่าการสำรวจการเชื่อมต่อระหว่างใบหน้าและป้ายชื่ออายุ ประการที่สองการใช้ประโยชน์จากความสัมพันธ์ที่แท้จริงลำดับในหมู่มนุษย์ทุกเพศทุกวัยและเอาชนะปัญหาความไม่สมดุลของข้อมูลที่อาจเกิดขึ้นแนวคิดฉลากที่มีความไวและการรักษาความไม่สมดุลหลายนำมาใช้ในระบบการฝึกอบรมขั้นตอน ในที่สุดการถดถอยท้องถิ่นอายุมุ่งเน้นที่จะนำเสนอในการจับภาพกระบวนการริ้วรอยบนใบหน้าที่ซับซ้อนสำหรับการกำหนดอายุ ผลการจำลองแสดงให้เห็นว่าวิธีการของเราประสบความสำเร็จในการประมาณค่าความผิดพลาดต่ำสุดเมื่อเทียบกับวิธีการที่มีอยู่

ผลลัพธ์ (ไทย) 3:

นามธรรม

กระดาษนี้มีการประเมินอายุใหม่ ซึ่งแตกต่างกับตัวเองสามผลงานดังต่อไปนี้ ครั้งแรก เรารวมระยะทาง , การเรียนรู้และลด dimensionality ดีกว่าสำรวจการเชื่อมต่อระหว่างใบหน้าและป้ายอายุ ประการที่สอง เพื่อใช้ประโยชน์จากความสัมพันธ์ของมนุษย์ในช่วงวัยและเอาชนะศักยภาพข้อมูลไม่สมดุล ปัญหาป้ายชื่อสําคัญแนวคิดและการรักษาสมดุลหลายแนะนำในขั้นตอนการฝึกอบรมระบบ ในที่สุดยุคถดถอยท้องถิ่นมุ่งเน้นนำเสนอเพื่อจับภาพที่ซับซ้อนหน้าอายุกระบวนการสำหรับการกำหนดอายุ ผลการจำลองแบบแสดงให้เห็นว่าวิธีของเราบรรลุข้อผิดพลาดกับวิธีการประมาณค่า
ที่มีอยู่