一种用于人脸属性预测的新型多任务张量相关神经网络
计算机视觉与模式识别
2018-04-10 v1
摘要
人脸多属性预测从多任务学习（MTL）中获益良多，后者通过同时学习多个人脸属性来获得不同属性的共享或相互关联表示。最广泛使用的 MTL 卷积神经网络通过共享所有卷积层并在全连接层处拆分以对应任务特定损失，启发式或经验式地设计。然而，将所有不同属性的低层与中层特征视为相同是不恰当的，尤其当这些属性仅松散相关时。本文中，我们提出一种用于人脸属性预测的新型多属性张量相关神经网络（MTCN）。该结构共享低层特征（例如前两个卷积层）中的信息，但拆分高层特征（例如从第三个卷积层到全连接层）中的信息。同时，在高层特征提取期间，每个子网络（例如 Age-Net、Gender-Net、……与 Smile-Net）从其他网络挖掘紧密相关的特征以增强自身特征。然后，我们使用一种新型张量相关分析算法（NTCCA）将微调后子网络的 C9 层特征投影到高度相关空间中。最终的人脸属性预测基于相关矩阵作出。在具多人脸属性的基准（CelebA 与 LFWA）上的实验结果表明，相较最先进的方法，所提方法具有更优性能。
引用
@article{arxiv.1804.02810,
title = {A Novel Multi-Task Tensor Correlation Neural Network for Facial Attribute Prediction},
author = {Mingxing Duan and Kenli Li and Qi Tian},
journal= {arXiv preprint arXiv:1804.02810},
year = {2018}
}
备注
Submitted to ACM Multimedia 2018