基于多任务学习的人脸属性识别方法

• 作者: 刘淼 张雨楠 彭程 李亚 杨俊钦
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 人脸属性识别 轻量化残差模块 深度卷积神经网络 模型压缩 多任务学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像处理
• 页码范围: 229-236
• 页数: 8页
• 分类号: TP391.41
• 字数: 5062字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054327

摘要

针对传统深度卷积神经网络模型复杂、识别速度慢的问题,提出一种基于多任务学习的人脸属性识别方法.通过轻量化残差模块构建基础网络,根据属性类之间的关联关系设计共享分支网络,以大幅减少网络参数和计算开销.以多任务学习的方式联合优化各分支网络与基础网络的参数,利用关联属性间的共同特征实现人脸属性识别.采用带权重的交叉熵作为损失函数监督训练网络模型,改善正负样本数不均衡问题.在公开数据集CelebA上的实验结果表明,该方法的识别错误率低至8.45％,空间开销仅2.7 MB,在CPU上每幅图预测时间低至15 ms,方便部署在资源有限的移动或便携式设备上,具有实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘淼	广州大学计算机科学与网络工程学院	23	157	7.0	12.0
2	李亚	广州大学计算机科学与网络工程学院	5	93	4.0	5.0
3	彭程	广州大学计算机科学与网络工程学院	4	69	2.0	4.0
4	张雨楠	广州大学计算机科学与网络工程学院	3	1	1.0	1.0
5	杨俊钦	广州大学计算机科学与网络工程学院	2	1	1.0	1.0