利用多输出CNN提取高效人脸表征用于相册中年龄、性别与身份识别的组织
计算机视觉与模式识别
2019-06-18 v3
摘要
本文致力于从照片和视频相册中自动提取人物及其属性(性别、出生年份)。我们提出一种两阶段方法:首先,卷积神经网络同时从所有照片中预测年龄/性别,并额外提取适用于人脸识别的面部表征。我们修改了预先训练用于人脸识别的MobileNet,以额外识别年龄和性别。在我们方法的第二阶段,提取的人脸使用层次凝聚聚类技术进行分组。每个聚类中人物的出生年份和性别通过对各单独照片预测的聚合来估计。我们通过实验证明,尽管我们的实现计算成本低得多,但人脸聚类质量与最先进的(state-of-the-art)神经网络相当。此外,与公开可用模型相比,我们的方法在基于视频的年龄/性别识别上具有更高的准确性。
引用
@article{arxiv.1807.07718,
title = {Efficient Facial Representations for Age, Gender and Identity Recognition in Organizing Photo Albums using Multi-output CNN},
author = {Andrey V. Savchenko},
journal= {arXiv preprint arXiv:1807.07718},
year = {2019}
}
备注
19 pages, 2 figures, 8 tables