人脸任务低成本迁移学习
计算机视觉与模式识别
2019-01-10 v1
摘要
我们是否知道一个人脸网络的不同滤波器代表什么？我们能否利用这些滤波器信息在不使用迁移学习的情况下训练其他任务？例如，年龄、头部姿态、情绪及其他人脸相关任务能否在不使用迁移学习的情况下从人脸识别网络中学习？理解这些滤波器的作用使我们能够跨任务迁移知识，并利用相关任务中的大型数据集。给定一个预训练网络，我们可以推断该网络泛化于哪些任务，以及将信息迁移到新任务的最佳方式。
引用
@article{arxiv.1901.02675,
title = {Low-Cost Transfer Learning of Face Tasks},
author = {Thrupthi Ann John and Isha Dua and Vineeth N Balasubramanian and C. V. Jawahar},
journal= {arXiv preprint arXiv:1901.02675},
year = {2019}
}