性别年龄论文阅读（2）——CACD2000

本文链接：https://blog.youkuaiyun.com/heruili/article/details/88082082

本文介绍了一种名为跨年龄参考编码(CARC)的新型编码框架，用于实现年龄不变的人脸识别和检索。通过引入大规模跨年龄名人数据集(CACD2000)，包含2000名人和16万张照片，这种方法展示了出色的性能。CARC利用互联网上的参考图像进行编码，并通过局部特征(LBP)和年龄不变表示进行图像处理。实验结果证明了其在人脸识别领域的先进性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

性别年龄论文阅读（2）——CACD2000

版权声明：本文为博主原创文章，未经博主允许不得转载 https://blog.youkuaiyun.com/heruili/article/details/88082082 >
论文《 Cross-Age Reference Coding for Age-Invariant Face Recognition and Retrieval》
提出了一种新的编码框架——跨年龄参考编码(CARC)。利用互联网上免费提供的大规模图像数据集作为参考集，CARC能够利用年龄不变的参考空间对人脸图像的低层特征进行编码。在测试阶段，该方法只需要线性投影对特征进行编码，因此具有较高的可扩展性。为了全面评估我们的工作，我们引入了一种新的大规模跨年龄人脸识别和检索数据集，称为跨年龄名人数据集(CACD)。该数据集包含2000名年龄在16岁至62岁之间的名人的16万多张照片。据我们所知，这是迄今为止最大的公开的跨年龄人脸数据集。实验结果表明，该方法不仅可以在现有的人脸识别数据集上实现最先进的性能，还可以在其他广泛应用的人脸识别数据集上实现最先进的性能

本文的贡献包括:
-我们提出一种新的编码框架，称为CARC，利用参考图像集(可从互联网上获得)进行年龄不变的人脸识别和检索。
-我们引入了一个新的大规模的人脸数据集，CACD，用于评估跨年龄的人脸识别和检索。该数据集包含超过16万张图片，其中有2000人，并向公众开放。