导读 在最近发表在《科学中国生命科学》上的文章中,由Jing-DongJackieHan教授和博士生领导的研究团队北京大学的学生杨新宇利用非配准的3D人脸点...
在最近发表在《科学中国生命科学》上的文章中,由Jing-DongJackieHan教授和博士生领导的研究团队北京大学的学生杨新宇利用非配准的3D人脸点云建立了年龄估计的深度学习模型。他们还提出了坐标单调变换算法,将与年龄相关的面部特征与可识别的人脸隔离开来。
该团队在超过16,000个3D人脸点云数据实例上训练模型,实现了约2.5年的平均绝对误差。该模型识别人脸的旋转不变性。在分析面部形状和肤色的重要性时,他们开发了坐标单调变换算法。
该算法可以在不改变面部元素相对位置的情况下扭曲面部。研究小组发现,在各种场景中应用变换算法之前和之后,深度学习模型可以准确、一致地估计人脸的年龄,证明这些变换有效地保留了与年龄相关的面部特征。
然而,在视觉测试中,受试者在评估变形面孔时的准确性和反应速度显着下降。此外,在正常人脸形状上训练的计算人脸验证模型无法识别变形后的人脸。
考虑到年龄估计和识别任务的异同,研究团队提出了面部数据保护指南。该指南以坐标单调变换和选择性数据提供为特色,旨在为管理面部数据中心或公共数据集提供理论基础。