1. 基本信息
基于回归分析的人脸年龄预测研究，张德 哈曼，2020，北京建筑大学学报。
关键词：年龄估计； 支持向量机； 人脸属性； 人脸年龄
2. 核心内容
A. 本文进行了基于人脸图像的年龄预测研究，采用主成分分析法（PCA）提取人脸特征，然后使用支持向量机回归的方法（SVR）进行训练和测试，在公开的人脸图像数据集FG-NET上进行实验，并跟经典的回归模型进行比较。
B. 实验结果表明，通过和其他回归方法的比较，支持向量机回归方法可以获得更低的年龄预测误差，可以给出更好的人脸年龄预测结果。
C. 年龄预测准确性的衡量标准：平均绝对误差(ＭAＥ)和累积分数(CＳ)。
3. 图标公式
* 预测流程
 |
|---|
| 预处理：人脸几何归一化和灰度归一化（使用图像直方图均衡化）； 特征提取：ＰＣＡ方法（降维）； 模型训练：支持向量机回归方法; |
* ＰＣＡ方法的计算过程
| ＰＣＡ 方法的计算过程（归一化后的图像大小是 m*n）: |
|---|
 # xi表示第i个图像样本向量,每个xi都是Ｎ维列向量 |
  |
* ＳＶＲ方法的计算过程
* 结果比较
4. 补充说明
SVM vs SVR：SVM是一种常用的分类算法，也可以用于回归，SVR与SVM的区别在于，SVM使到超平面最近的样本点的距离最大，SVR是使到超平面最远的样本点的距离最小，超平面的划分可由法向量ｗ和位移ｂ确定。
转载：https://blog.csdn.net/ckc_csdn/article/details/115918034
查看评论