Unraveling the Age Estimation Puzzle: Comparative Analysis of Deep Learning Approaches for Facial Age Estimation

要約

さまざまな年齢推定方法を比較することは、ベンチマーク プロセスの不一致に起因して、公表された結果の信頼性が低いため、課題が生じます。
これまでの研究では、特殊な方法を使用して過去 10 年間にわたって継続的にパフォーマンスが向上していることが報告されています。
しかし、私たちの調査結果はこれらの主張に異議を唱えています。
低データ領域外の年齢推定タスクについては、特殊な手法を設計する必要はなく、クロスエントロピー損失を利用する標準的なアプローチで十分であると我々は主張します。
このペーパーは、統一された比較可能な設定で最先端の年齢推定方法を評価することにより、ベンチマークの欠点に対処することを目的としています。
顔の配置、顔の被覆率、画像解像度、画像表現、モデル アーキテクチャ、データ量などのさまざまな要因が年齢推定結果に与える影響を体系的に分析します。
驚くべきことに、これらの要因は、年齢推定方法そのものの選択よりも大きな影響を与えることがよくあります。
公開されている年齢推定データセットのデータセット間のパフォーマンスを評価することで、各手法の一般化機能を評価します。
この結果は、信頼性が高く意味のある比較を保証するために、一貫したデータ前処理手法を使用し、標準化されたベンチマークを確立することの重要性を強調しています。
ソース コードは https://github.com/paplhjak/Facial-Age-Estimation-Benchmark で入手できます。

要約(オリジナル)

Comparing different age estimation methods poses a challenge due to the unreliability of published results, stemming from inconsistencies in the benchmarking process. Previous studies have reported continuous performance improvements over the past decade using specialized methods; however, our findings challenge these claims. We argue that, for age estimation tasks outside of the low-data regime, designing specialized methods is unnecessary, and the standard approach of utilizing cross-entropy loss is sufficient. This paper aims to address the benchmark shortcomings by evaluating state-of-the-art age estimation methods in a unified and comparable setting. We systematically analyze the impact of various factors, including facial alignment, facial coverage, image resolution, image representation, model architecture, and the amount of data on age estimation results. Surprisingly, these factors often exert a more significant influence than the choice of the age estimation method itself. We assess the generalization capability of each method by evaluating the cross-dataset performance for publicly available age estimation datasets. The results emphasize the importance of using consistent data preprocessing practices and establishing standardized benchmarks to ensure reliable and meaningful comparisons. The source code is available at https://github.com/paplhjak/Facial-Age-Estimation-Benchmark.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google