Ordinal Hyperplanes Ranker with Cost Sensitivities for Age Estimation笔记

概述

这是一篇cvpr2011的文章，采取了和10年文章近乎相同的思路，多个二分类+SVM解决人脸年龄估计的问题，主要的改进在于：1、对于每个二分类问题采取不同的超平面进行分割（10年的所有超平面都是平行的）2、对于不同的度量性能的方法(CS、MAE)采用不同的损失函数，得到了性能上的提升.

方法

对于每个二分类问题计算损失函数如下：

 

如果从现在深度学习的观念来看的话，前一项wk的内积就是正则项，后面一项则是真正的损失函数，而其中的ck[i]代表样本i对于第k个二分类问题的具体损失值，文中提供了两种定义方式，分别是绝对损失和截断损失：

 

从两者的定义也不难看出绝对损失是针对MAE，而截断损失是针对CS.

每个二分类的结果以及最终年龄估计的结果也和之前基本相同：

 

实验

在morph和fg-net两个数据集上进行了实验，并分别对两种提出的损失函数以及所有ck[i]都为1的损失函数（前人大多采用的方法）进行了类比，最终的结果也和上述分析相同.

总结

这篇文章在10年论文的基础上提出了很好的改进，从模型和损失函数两个角度进行了优化，实验中也得到了和理论分析相同的效果.文章中针对不同度量性能方式提出不同损失函数的想法有一定借鉴意义.