.png){kind=icon}
返回
Masked contrastive graph representation learning for age estimation
.png){kind=icon}
OA
AI
DOI：10.1016/j.patcog.2024.110974.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人脸图像的年龄估计是视频监控和Internet访问控制等领域中各种实际应用的关键任务。虽然卷积神经网络 (CNN) 、多层感知器 (MLP) 和变压器等基于深度学习的年龄估计方法表现出了卓越的性能，但它们在建模复杂或不规则对象时存在局限性，并且通常包含冗余信息。虽然现有的图神经网络 (gnn) 可以缓解这一问题，但它们只考虑了图像的结构信息，而忽略了语义特征，因此图节点的特征表示能力有限。为了解决这些问题，本文提出了一种新颖的掩蔽对比图表示学习 (MCGRL) 方法，用于准确估计人脸图像的年龄。我们的方法利用CNN来提取图像的语义特征，然后将其划分为用作图中的节点的补丁。我们使用掩蔽图卷积网络 (GCN) 来导出捕获丰富结构信息的基于图像的节点表示。最后，我们结合多重损失来探索结构信息和语义特征之间的互补关系，从而提高了GCN的特征表示能力。在真实人脸图像数据集上的实验结果证明了我们提出的方法优于其他最先进的年龄估计方法。
Keyword:
Age estimation
Contrastive learning
Graph neural network
Mask mechanism
Image processing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
.png){kind=icon}
分享收藏Micro-dynamics of optical breakdown in water induced by nanosecond laser pulses of 1064nm wavelength
PREAI
分享收藏Deep Expectation of Real and Apparent Age from a Single Image Without Facial Landmarks从没有面部标志的单个图像对真实年龄和表观年龄的深刻期望
PREAI
分享收藏
查看更多内容