用于漫画-真实人脸识别的动态深度多任务学习
计算机视觉与模式识别
2019-11-11 v1
摘要
与真实视觉图像相比，漫画的人脸识别性能远不及视觉图像。其挑战在于漫画通过夸张面部特征以强化人物特质而引入的极端非刚性畸变。本文提出基于深度 CNN 的动态多任务学习，用于跨模态漫画-真实人脸识别。与具有固定任务权重的常规多任务学习不同，所提动态多任务学习根据任务的重要性动态更新任务权重，使网络训练聚焦于困难任务，而非陷入对简单任务的过训练。实验结果证明了动态多任务学习对漫画-真实人脸识别的有效性。在 CaVI 和 WebCaricature 数据集上评估的性能显示出优于当前最优（SOTA）方法的优势。实现代码可在此处获取。
引用
@article{arxiv.1911.03341,
title = {Dynamic Deep Multi-task Learning for Caricature-Visual Face Recognition},
author = {Zuheng Ming and Jean-Christophe Burie and Muhammad Muzzamil Luqman},
journal= {arXiv preprint arXiv:1911.03341},
year = {2019}
}
备注
accepted by the GREC2019@ICDAR2019. arXiv admin note: text overlap with arXiv: 1911.03281