用于面部属性分析的残差协同自编码器
计算机视觉与模式识别
2018-03-21 v1
摘要
面部属性可以提供丰富的辅助信息，可用于定向营销、人机交互和执法等不同应用。本研究专注于使用一种新颖的深度学习公式化方法进行面部属性预测，称为 R-Codean 自编码器。本文首先在自编码器中提出基于余弦相似度的损失函数，然后将其结合到基于欧几里得距离的自编码器中以构建 R-Codean。因此，所提出的损失函数旨在在特征学习期间同时纳入图像向量的大小和方向。此外，受深度模型中快捷连接有助于学习最优参数而不产生梯度消失问题的效用启发，所提出的公式化方法被扩展以在架构中纳入快捷连接。所提出的 R-Codean 自编码器被用于面部属性预测框架中，该框架纳入了基于分块的加权机制，为每个属性的相关分块分配更高的权重。在公开可用的 CelebA 和 LFWA 数据集上的实验结果证明了所提出的方法在解决这一具有挑战性的问题上的有效性。
引用
@article{arxiv.1803.07386,
title = {Residual Codean Autoencoder for Facial Attribute Analysis},
author = {Akshay Sethi and Maneet Singh and Richa Singh and Mayank Vatsa},
journal= {arXiv preprint arXiv:1803.07386},
year = {2018}
}
备注
Accepted in Pattern Recognition Letters