Slim-CNN：一种用于人脸属性预测的轻量级 CNN

Ankit Sharma; Hassan Foroosh

Slim-CNN：一种用于人脸属性预测的轻量级 CNN

计算机视觉与模式识别 2019-07-05 v1

作者: Ankit Sharma , Hassan Foroosh

摘要

我们引入了一种计算高效的 CNN 微架构 Slim Module，以设计用于人脸属性预测的轻量级深度神经网络 Slim-Net。Slim Module 通过组合深度可分离卷积与逐点卷积构建，从而产生计算高效的模块。人脸属性预测问题具有挑战性，因为姿态、背景、光照和数据集不平衡存在较大变化。我们将这些 Slim Module 堆叠以设计一个紧凑的 CNN，其仍保持非常高的准确率。此外，该神经网络具有非常低的内存占用，这使其适用于移动和嵌入式应用。在 CelebA 数据集上的实验表明，Slim-Net 达到了 91.24% 的准确率，参数数量至少比性能相当的方法少 25 倍，从而将 Slim-Net 的存储需求降低至少 87%。

关键词

人脸属性预测轻量级 CNN 深度可分离卷积 Slim Module 移动应用 CelebA 数据集

引用

@article{arxiv.1907.02157,
  title  = {Slim-CNN: A Light-Weight CNN for Face Attribute Prediction},
  author = {Ankit Sharma and Hassan Foroosh},
  journal= {arXiv preprint arXiv:1907.02157},
  year   = {2019}
}

相关论文

查看更多相关论文 →