AugLabel：利用词表示增强标签以用于人脸属性分类
计算机视觉与模式识别
2019-07-17 v1
摘要
在图像空间（如翻转、裁剪等）和激活空间（如 dropout）中增强数据正被广泛用于深度神经网络的正则化，并已成功应用于若干计算机视觉任务。与以往主要集中于在上述域中进行增强的工作不同，我们提出在标签空间中进行增强。本文中，我们提出一种新方法，通过利用现有类别标签的 word2vec 表示，为图像生成具有连续值的固定维度标签。随后我们将这些表示与现有类别标签拼接并训练模型。我们在两个具有挑战性的人脸属性分类数据集即 CelebA 和 LFWA 上验证了我们的想法。我们大量的实验表明，增强标签提升了有竞争力的深度学习基线的性能，并在达到与最先进方法相当性能的同时，将所需标注真实数据的需求降低了至多 50%。
引用
@article{arxiv.1907.06757,
title = {AugLabel: Exploiting Word Representations to Augment Labels for Face Attribute Classification},
author = {Binod Bhattarai and Rumeysa Bodur and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:1907.06757},
year = {2019}
}