基于自注意力机制的亲属关系识别

作者：李德财; 蒋行国^*; 何李; 李嘉莉

来源：计算机系统应用, 2023, 32(09): 89-96.

DOI：10.15888/j.cnki.csa.009205

• 亲属关系识别
• 自注意机制
• Vision Transformer
• 卷积神经网络
• 深度学习

目前,基于局部注意力机制的卷积神经网络(CNNs)用于亲属关系识别特征提取获得了不错的效果,但基于卷积神经网络的主干模型提升不明显,同时鲜有研究者使用具有全局信息捕获能力的自注意机制.因此,提出使用基于一种无卷积主干特征提取网络的S-ViT模型,即用具有自全局注意力机制的Vision Transformer作为基础主干特征提取网络,通过构建孪生网络与具有局部注意力机制的CNN相结合,扩大传统分类网络,用于亲属关系识别相关问题的研究.最终实验结果表明,相比RFIW2020挑战赛领先的方法,所提出的方法在亲属关系识别3个任务上获得了良好的效果,第1个任务中获得了76.8%验证精度排名第二,第2个和第3个任务中排名第三,证明了该方法的可行性和有效性,为亲属关系识别提出了一种新的解决方法.

• 单位
  四川轻化工大学