通过分组与图学习改进人脸属性识别

利用属性间的关系是改进多人脸属性识别的关键挑战。在本文中，我们关注两类相关性，即空间与非空间关系。对于空间相关性，我们将具有空间相似性的属性聚为基于部件的分组，并引入分组注意力学习以生成组注意力与基于部件的分组特征。另一方面，为发现非空间关系，我们建模了一种基于分组的图相关性学习来探索预定义基于部件分组的亲和性。我们利用此类亲和性信息控制所有分组间的通信，进而精炼所学分组特征。总体而言，我们提出了一种称为多尺度分组与图网络的统一网络。它融合了这两种新提出的的学习策略，并生成由粗到细的基于图的分组特征以改进人脸属性识别。综合实验表明我们的方法优于当前最优方法。