科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有人脸属性识别模型存在的特征提取不足、划分属性组时未充分考虑属性相关性强弱等问题，为了实现对多个人脸属性的同时识别，建立一种结合特征融合和任务分组的人脸属性识别模型。在参数共享部分，通过多尺度特征融合模块将不同尺度的特征进行融合增强特征相关性，同时设计基于中心核对齐和谱聚类的属性分组策略进行属性识别，通过中心核对齐方法度量属性的相关程度，并以此为基础使用谱聚类算法得到属性的合理分组，使同一组内的属性相关性尽可能大，提高属性识别准确率。在分支部分，使用注意力机制加强对目标区域的关注，并通过不确定性加权方法表示任务间的相对难度，自动调整每组任务损失之间的相对权重，进一步优化模型性能。在CelebA公开数据集上的实验结果表明，所提模型的分类准确率相较于MOON、GNAS和DMM-CNN模型提升了0.78、0.09和0.02个百分点，参数量仅为上述对比模型的1.10%、17.08%和0.37%。
- 单位
