利用融合面部关键点信息的卷积神经网络从人脸图像预测个人特质
计算机视觉与模式识别
2016-05-31 v1
摘要
我们考虑从人脸图像预测个人各种特质这一任务。我们估计客观特质，如性别、种族与发色；以及主观特质，如人所表达的情绪或其是否幽默或有吸引力。为进行大规模实验，我们贡献了一个新的面部属性数据集（FAD），对上述特质拥有约200,000个属性标签，覆盖超过10,000幅人脸图像。由于近期深度卷积神经网络（CNNs）研究的激增，我们首先使用CNN架构来估计面部属性，并展示其确实提供了令人印象深刻的基线性能。为进一步提升性能，我们提出一种新方法，将输入图像的面部关键点信息作为额外通道融入，帮助CNN学习更好的属性特定特征，从而使不同训练图像间的关键点保持对应。我们实证分析了方法的性能，显示出跨特质对基线的一致改进。
引用
@article{arxiv.1605.09062,
title = {Predicting Personal Traits from Facial Images using Convolutional Neural Networks Augmented with Facial Landmark Information},
author = {Yoad Lewenberg and Yoram Bachrach and Sukrit Shankar and Antonio Criminisi},
journal= {arXiv preprint arXiv:1605.09062},
year = {2016}
}
备注
7 pages, 5 figures, IJCAI 2016