《Deeply-Learned Feature for Age Estimation》论文阅读笔记
2015-10-15 22:43
393 查看
这是IEEE的一篇文章,因为和我做的有点关系,于是拜读之。
论文的idea:使用CNN提取特征后,再用流形学习来降维,最后来做回归或者分类。
论文中的CNN网络结构:
两个convolution,两个pooling,再加一个fc,其中第一个convolution的size为5*5,第二个为7*7,pooling为2*2。
作者提出将L2到L6层的特征全部提取出来,然后串联起来,但是这样维数很大,于是引出降维的使用,使用PCA不会降低精度,但是训练速度会加快,于是后面再降维上,作者提出使用流形学习的三种方法:
Marginal Fisher Analysis (MFA) 、Orthogonal Locality Preserving Projections (OLPP) 、 and Locality Sensitive Discriminant Analysis 。
对比试验如下:
文章试验使用的数据集是:其中FG-NET更适合。
在试验中,使用回归和分类用于年龄估计,四种方法的结果如下,其中SVM用于分类,SVR等用于回归。最后作者证明不论是提取一层特征还是提取多层特征,效果都是比其他的方法好。
论文的idea:使用CNN提取特征后,再用流形学习来降维,最后来做回归或者分类。
论文中的CNN网络结构:
两个convolution,两个pooling,再加一个fc,其中第一个convolution的size为5*5,第二个为7*7,pooling为2*2。
作者提出将L2到L6层的特征全部提取出来,然后串联起来,但是这样维数很大,于是引出降维的使用,使用PCA不会降低精度,但是训练速度会加快,于是后面再降维上,作者提出使用流形学习的三种方法:
Marginal Fisher Analysis (MFA) 、Orthogonal Locality Preserving Projections (OLPP) 、 and Locality Sensitive Discriminant Analysis 。
对比试验如下:
文章试验使用的数据集是:其中FG-NET更适合。
在试验中,使用回归和分类用于年龄估计,四种方法的结果如下,其中SVM用于分类,SVR等用于回归。最后作者证明不论是提取一层特征还是提取多层特征,效果都是比其他的方法好。
相关文章推荐
- 基于asp.net雅致在线客服系统 AGE LiveContact 免费下载
- Flash打包软件 AGE FlashPacker官方下载
- google云主机,GAE
- UFLDL Exercise: Convolutional Neural Network
- SQL通过出生日期获取年龄
- 卷积神经网络学习
- CNN: single-label to multi-label总结
- 总结:Large Scale Distributed Deep Networks
- 总结:One weird trick for parallelizing convolutional neural networks
- Extract CNN features using Caffe
- Deep Learning Face Attributes in the Wild
- Tiled convolutional neural networks(TCNN)
- 最受欢迎的新闻网站前15名(2014.10)
- 论文阅读_基于CNN的图像二值化_Robust Binarization for Video Text Recognition
- 在训练CNN的时候,各层back propagation的递推公式
- 对 CNN 中 dropout layer 的理解
- Caffe调参相关问题整理
- CNN
- CNN卷积神经网络推导和实现
- caffe优化算法