基于轻量级神经网络多任务学习的面部表情与属性识别
计算机视觉与模式识别
2021-10-28 v3
摘要
本文研究了轻量级卷积神经网络的多任务学习，用于在裁剪后无边界的人脸图像上训练以进行人脸识别和面部属性（年龄、性别、种族）分类。强调了微调这些网络以预测面部表情的必要性。基于 MobileNet、EfficientNet 和 RexNet 架构提出了若干模型。实验表明，它们在 UTKFace 数据集上的年龄、性别和种族识别以及 AffectNet 数据集上的情绪分类方面取得了接近最先进（state-of-the-art）的结果。此外，研究表明，将训练后的模型用作视频帧中面部区域的特征提取器，在 EmotiW 挑战赛的 AFEW 和 VGAF 数据集上比先前已知的最先进单一模型准确率高出 4.5%。模型和源代码公开于 https://github.com/HSE-asavchenko/face-emotion-recognition。
引用
@article{arxiv.2103.17107,
title = {Facial expression and attributes recognition based on multi-task learning of lightweight neural networks},
author = {Andrey V. Savchenko},
journal= {arXiv preprint arXiv:2103.17107},
year = {2021}
}
备注
14 pages, 3 figures, accepted at IEEE SISY 2021