利用现成CNN特征的人脸属性预测
计算机视觉与模式识别
2016-06-22 v2
摘要
从自然场景人脸图像中预测属性是一个具有挑战性的计算机视觉问题。为了从含脸图像中自动描述人脸属性，传统上需要将三个技术模块——人脸定位、面部描述符构建和属性分类——级联成流水线。作为一个典型的分类问题，人脸属性预测已通过深度学习得到解决。当前最先进的性能是通过使用两个级联的卷积神经网络（CNNs）实现的，这两个网络经过专门训练以学习人脸定位和属性描述。在本文中，我们尝试了一种替代方法来利用CNN深度表征的能力。结合常规人脸定位技术，我们使用为人脸识别训练的现成架构来构建面部描述符。认识到可描述的人脸属性是多样的，我们的面部描述符针对不同的属性从CNN的不同层级构建，以最好地促进人脸属性预测。在两个大型数据集LFWA和CelebA上的实验表明，我们的方法与最先进方法完全可比。我们的发现不仅展示了一种高效的人脸属性预测方法，还提出了一个重要问题：如何为新任务利用现成CNN表征的能力。
引用
@article{arxiv.1602.03935,
title = {Face Attribute Prediction Using Off-the-Shelf CNN Features},
author = {Yang Zhong and Josephine Sullivan and Haibo Li},
journal= {arXiv preprint arXiv:1602.03935},
year = {2016}
}
备注
In proceeding of 2016 International Conference on Biometrics (ICB)