基于深度残差学习与标签分布的人脸吸引力计算
计算机视觉与模式识别
2016-09-08 v2
摘要
人脸吸引力计算研究面临两大挑战：缺乏真实的吸引力标签（分数），以及缺乏准确的人脸表示。为了解决第一个挑战，本文将人脸吸引力计算重新转化为标签分布学习 (LDL) 问题，而非传统的单标签监督学习任务。通过这种方式，可以减少标签不完整问题的负面影响。受近期利用深度神经网络学习有效特征的人脸识别工作的启发，第二个挑战有望从深度学习的角度得到解决。我们利用极深残差网络来实现层次化美学表示的自动学习。结合这两个思路，建立了一个端到端的深度学习框架。与其他 state-of-the-art 工作相比，我们的方法在标准基准 SCUT-FBP 数据集上取得了最佳结果。
引用
@article{arxiv.1609.00496,
title = {Label distribution based facial attractiveness computation by deep residual learning},
author = {Shu Liu and Bo Li and Yangyu Fan and Zhe Guo and Ashok Samal},
journal= {arXiv preprint arXiv:1609.00496},
year = {2016}
}
备注
3 pages, 3 figures. The first two authors are parallel first author