LogicNet：一种嵌入逻辑一致性的面部属性学习网络
计算机视觉与模式识别
2024-09-24 v2
摘要
确保预测中的逻辑一致性是多属性分类中关键却被忽视的方面。我们探究了这一忽视的潜在原因，并向该领域提出两个紧迫挑战：1）当使用经过逻辑一致性检查的数据训练时，如何确保模型产生逻辑一致的预测？2）对未经逻辑一致性检查的数据，如何达成同样目标？最小化人工投入对提升自动化也至关重要。为应对这些挑战，我们引入两个数据集FH41K与CelebA-logic，并提出LogicNet，一种学习属性间逻辑关系的对抗训练框架。LogicNet在FH37K、FH41K和CelebA-logic上的准确率分别超越次优方法23.05%、9.96%和1.71%。在真实案例分析中，相较其他方法，我们的方法可将平均失败案例数减少50%以上。
引用
@article{arxiv.2311.11208,
title = {LogicNet: A Logical Consistency Embedded Face Attribute Learning Network},
author = {Haiyu Wu and Sicong Tian and Huayu Li and Kevin W. Bowyer},
journal= {arXiv preprint arXiv:2311.11208},
year = {2024}
}