以人脸属性作为理解深度人脸识别的线索
计算机视觉与模式识别
2021-05-18 v1
摘要
深度学习的表征是人脸识别方法中最先进的描述子。这些表征编码了难以解释的潜在特征，损害了预测的可信度与可解释性。大多数解释深度特征的尝试都是可视化技术，往往带有主观解读空间。我们不使用仅依赖可视化的方法，而是利用隐藏层的输出预测人脸属性。所获得的性能指示了该属性在网络该层中隐式学习的程度。利用变量选择技术，我们还分析了这些语义概念在各层内部的分布，确定了每个属性相关神经元的精确位置。根据我们的实验，即便仅使用单个神经输出预测各属性，性别、眼镜与帽子佩戴的预测准确率也可超过 96%。这些性能比深度监督人脸属性网络所达成绩效低不到 3 个百分点。总之，我们的实验表明，在为人脸识别优化的 DCNN 内部，存在以几乎与人脸属性优化 DCNN 同等精度编码人脸属性的潜在神经元。
引用
@article{arxiv.2105.07054,
title = {Face Attributes as Cues for Deep Face Recognition Understanding},
author = {Matheus Alves Diniz and William Robson Schwartz},
journal= {arXiv preprint arXiv:2105.07054},
year = {2021}
}
备注
7 pages, 5 figures, published at automatic face and gesture recognition 2020