面向人脸属性的深度架构
计算机视觉与模式识别
2016-09-29 v1
摘要
我们训练一个深度卷积神经网络，在一个标注了年龄、性别、族裔和情绪标签的公众人物新数据集上执行身份分类，然后针对属性分类对其进行微调。通过实验确定了该网络内计算资源的最优共享模式，仅需 1 G flops 即可产生所有预测。我们没有通过在身份网络倒数第二层之后重新学习一个附加层的权重来进行微调，而是为每个属性尝试了若干不同的深度。我们发现，从更早的层开始微调能够改善年龄和情绪的预测，推测是因为更深的层对输入中与身份无关的变化逐渐变得不变。
引用
@article{arxiv.1609.09018,
title = {Deep Architectures for Face Attributes},
author = {Tobi Baumgartner and Jack Culpepper},
journal= {arXiv preprint arXiv:1609.09018},
year = {2016}
}
备注
11 pages, 2 figures, accepted in "Workshop on Facial Informatics in conjunction with ACCV '16"