FaceHop：一种轻量级低分辨率人脸性别分类方法
计算机视觉与模式识别
2020-11-16 v3
摘要
本研究提出一种称为 FaceHop 的轻量级低分辨率人脸性别分类方法。由于深度学习（DL）技术的采用，我们已见证人脸性别分类精度的快速进展。然而，基于 DL 的系统并不适合网络与计算受限的资源受限环境。FaceHop 提供了一种可解释的非参数机器学习方案。它具有模型尺寸小、训练数据量少、训练复杂度低以及输入图像分辨率低等期望特性。FaceHop 基于连续子空间学习（SSL）原理开发，并构建于 PixelHop++ 的基础之上。FaceHop 方法的有效性通过实验得到验证。对于 LFW 与 CMU Multi-PIE 数据集中分辨率为 的灰度人脸图像，FaceHop 分别以 16.9K 和 17.6K 参数的模型尺寸取得了 94.63% 和 95.12% 的性别分类正确率。其分类精度优于 LeNet-5，而 LeNet-5 的模型尺寸为 75.8K 参数。
关键词
引用
@article{arxiv.2007.09510,
title = {FaceHop: A Light-Weight Low-Resolution Face Gender Classification Method},
author = {Mozhdeh Rouhsedaghat and Yifan Wang and Xiou Ge and Shuowen Hu and Suya You and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2007.09510},
year = {2020}
}