结合多任务迁移学习与知识蒸馏的人脸美丽预测研究

• 作者: 何国辉 曾军英 甘俊英 白振峰 翟懿奎 项俐
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 多任务迁移学习 知识蒸馏 多输入多任务网络 人脸美丽预测
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 论文
• 页码范围: 1151-1158
• 页数: 8页
• 分类号: TN391.4
• 字数: 3815字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2020.07.014

摘要

目前,人脸美丽预测存在数据样本少、评价指标不明确和人脸外观变化大等问题.多任务迁移学习能有效利用相关任务和源域任务额外的有用信息,知识蒸馏可将教师模型的部分知识蒸馏到学生模型,降低模型复杂性和大小.本文将多任务迁移学习与知识蒸馏相结合,用于人脸美丽预测,以大规模亚洲人脸美丽数据库(Large Scale Asia Facial Beauty Database,LSAFBD)中人脸美丽预测为主任务,以SCUT-FBP5500数据库中性别识别为辅任务.首先,构建多输入多任务的人脸美丽教师模型和学生模型;其次,训练多任务教师模型并计算其软目标;最后,结合多任务教师模型的软目标和学生模型的软、硬目标进行知识蒸馏.实验结果表明,多任务教师模型在人脸美丽预测任务中取得68.23％的准确率,其结构较复杂,参数量达14793K;而多任务学生模型通过知识蒸馏后分类准确率为67.39％,但其结构简单、参数量仅1366K.本方法多任务教师模型分类准确率比其他方法高,多任务学生模型分类准确率虽然略低一点,但其模型更简单、参数量更少,更有利于用更轻量的网络模型进行人脸美丽预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何国辉	五邑大学智能制造学部	31	357	11.0	18.0
2	甘俊英	五邑大学智能制造学部	82	871	14.0	26.0
3	项俐	五邑大学智能制造学部	5	2	1.0	1.0
4	曾军英	五邑大学智能制造学部	23	58	5.0	7.0
5	翟懿奎	五邑大学智能制造学部	25	110	7.0	9.0
6	白振峰	五邑大学智能制造学部	1	0	0.0	0.0