SSR-Net: A Compact Soft Stagewise Regression Network for Age Estimation

创新点：阶段回归与动态范围

DEX方法

DEX方法，将整个年龄的回归问题分解为分类问题。将整个年龄区间 Y = [0; V ] 分解为s个不相交的子区间，每一个子区间的宽度为w，W=v/s，那么第i个子区间ui=i*(V/s)。最终预测的年龄为每一个区间的概率和，即

                                  

为了使得模型更加精确，DEX方法设置每一个bin的宽度为1岁，也就是对于 Y = [0::100]，一共有101个bin。本质就是在0-100之间的101类分类后，对于得到的分数（softmax）和对应的label（0-100）相乘，并将最终结果求和，得到最终识别的年龄。但是这样参数量比较大。 

网络为VGG16，预先在ImageNet上进行分类训练，然后在IMDB-WIKI数据集上进行微调。

单独回归器训练的时候，将VGG16最后一层神经元改为1个，从而获得回归年龄。

单独分类器训练的时候，最后一层神经元数目改为101进行分类，从而获得每个类别的概率。 最终通过将分类器各个类别概率与对应的年龄相乘，得到网络预测的年龄：

                                                      

阶段回归 

本文基于DEX方法的基础上，提出了阶段回归方法。 假设年龄一共0-90岁，区间宽度为10，那么DEX方法的全连接层就需要9个神经元 (0 ∼ 10，10 ∼ 20，20 ∼ 30，30 ∼ 40，40 ∼ 50，50 ∼ 60，60 ∼ 70，70 ∼ 80，80 ∼ 90)。而采用多stage策略后，第一个stage只需要3个神经元 (0 ∼ 30，30 ∼ 60，60 ∼ 90)，第二个stage在第一个stage的基础上，也只需要3个神经元，因为第一层的3个stage共用第二层的3个神经元，即第二层的stage在第一层stage的基础上，只需要区分（小，中，大）就可以实现0-90岁的分类了。2个stage加起来，只需要6个神经元就可以达到。SSR-Net采用由粗到精的策略，分多个阶段进行多类分类。每个阶段只负责细化前一阶段的决策，以便更准确地估计年龄。因此，每个阶段执行的任务类很少，需要的神经元也很少，这大大减少了模型的大小。 SSR-Net通过允许根据输入的人脸图像进行移动和缩放，为每个年龄类分配一个动态范围。

阶段回归的优点是每个阶段的类的数量很少，导致更少的参数和更紧凑的模型。
假设我们想估算0 ~ 90岁范围内的年龄(V =90)，分成三个阶段(K = 3)，每个阶段有三个小区间(s1 = s2 = s3=3) 。

 

动态范围

将年龄区间统一划分为不重叠的区间，在处理年龄组模糊性和年龄连续性上缺乏灵活性。在粗粒度上，问题甚至更严重。我们通过为每个区间引入一个动态范围来解决这个问题;也就是说，我们允许每个区间根据输入图像进行移动和缩放。 

SSR-Net网络结构 

 Soft Stagewise Regression