结合压缩激励网络与ComboLoss的人脸吸引力分析
多媒体
2020-10-22 v1
摘要
损失函数对于模型训练与特征表示学习至关重要，常规模型通常将人脸吸引力识别任务视为回归问题，并采用MSE损失或Huber变体损失作为监督来训练深度卷积神经网络（CNN）以预测人脸吸引力分数。系统比较不同损失函数性能的工作甚少。本文首先系统分析了不同损失函数下的模型性能。随后提出一种名为ComboLoss的新损失函数以指导SEResNeXt50网络。所提方法在SCUT-FBP、HotOrNot与SCUT-FBP5500数据集上取得了最先进性能，相比先前方法分别提升1.13%、2.1%与0.57%。代码与模型见https://github.com/lucasxlu/ComboLoss.git。
引用
@article{arxiv.2010.10721,
title = {ComboLoss for Facial Attractiveness Analysis with Squeeze-and-Excitation Networks},
author = {Lu Xu and Jinhai Xiang},
journal= {arXiv preprint arXiv:2010.10721},
year = {2020}
}
备注
Tech Report