ในสิ่งพิมพ์ล่าสุดใน วิทยาศาสตร์จีน วิทยาศาสตร์ชีวภาพทีมวิจัยที่นำโดยศาสตราจารย์ Jing-Dong Jackie Han และปริญญาเอก นักศึกษา Xinyu Yang จากมหาวิทยาลัยปักกิ่งได้สร้างโมเดลการเรียนรู้เชิงลึกสำหรับการประมาณอายุโดยใช้คลาวด์พอยต์พอยต์ใบหน้า 3 มิติที่ไม่ได้ลงทะเบียน พวกเขายังเสนออัลกอริธึมการแปลงแบบโมโนโทนิกที่ชาญฉลาดในการประสานงานเพื่อแยกลักษณะใบหน้าที่เกี่ยวข้องกับอายุออกจากใบหน้ามนุษย์ที่สามารถระบุตัวตนได้
ทีมงานได้ฝึกอบรมโมเดลนี้กับอินสแตนซ์ 16,000D face point cloud data กว่า 3 อินสแตนซ์ ซึ่งเกิดข้อผิดพลาดสัมบูรณ์โดยเฉลี่ยประมาณ 2.5 ปี แบบจำลองนี้รับรู้ถึงความแปรปรวนของการหมุนของใบหน้ามนุษย์ ในการวิเคราะห์ความสำคัญของรูปร่างใบหน้าและสีผิว พวกเขาได้พัฒนาอัลกอริธึมการแปลงสีเดียวที่ชาญฉลาดแบบประสานงาน
อัลกอริทึมสามารถบิดเบือนใบหน้าได้โดยไม่ต้องเปลี่ยนตำแหน่งสัมพันธ์ขององค์ประกอบใบหน้า ทีมงานพบว่าโมเดลการเรียนรู้เชิงลึกสามารถประมาณอายุของใบหน้าก่อนและหลังการใช้อัลกอริธึมการเปลี่ยนแปลงในสถานการณ์ต่างๆ ได้อย่างแม่นยำและสม่ำเสมอ ซึ่งแสดงให้เห็นว่าการเปลี่ยนแปลงสามารถรักษาลักษณะใบหน้าที่เกี่ยวข้องกับอายุได้อย่างมีประสิทธิภาพ
อย่างไรก็ตาม ในการทดสอบด้วยการมองเห็น ผู้ทดสอบพบว่าความแม่นยำและความเร็วในการตอบสนองลดลงอย่างเห็นได้ชัดเมื่อประเมินใบหน้าที่แปลงร่าง นอกจากนี้ แบบจำลองการตรวจสอบใบหน้าด้วยคอมพิวเตอร์ที่ได้รับการฝึกกับรูปร่างใบหน้าปกติไม่สามารถจดจำใบหน้าที่แปลงร่างได้
เมื่อพิจารณาความเหมือนและความแตกต่างในการประมาณอายุและการระบุตัวตน ทีมวิจัยได้เสนอแนวทางการปกป้องข้อมูลใบหน้า แนวปฏิบัตินี้ประกอบด้วยการแปลงแบบโมโนโทนิกแบบประสานงานที่ชาญฉลาดและการจัดเตรียมข้อมูลแบบเลือกสรร มีวัตถุประสงค์เพื่อเป็นรากฐานทางทฤษฎีสำหรับการจัดการศูนย์ข้อมูลใบหน้าหรือชุดข้อมูลสาธารณะ
