基于深度学习的人脸属性识别方法综述

• 作者: 赖心瑜 陈思 严严 王大寒 朱顺痣
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 人脸属性识别 深度学习 多标记学习 单任务学习 多任务学习
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 2760-2782
• 页数: 23页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7544/issn1000-1239.2021.20200870

摘要

人脸属性识别是计算机视觉和模式识别领域的热门研究课题之一,对人脸图像的分析和理解具有重要的研究意义,同时在图像检索、人脸识别、微表情识别和推荐系统等诸多领域具有广泛的实际应用价值.随着深度学习的快速发展,目前国内外学者已提出许多基于深度学习的人脸属性识别(deep learning based facial attribute recognition,DFAR)方法.首先,阐述人脸属性识别方法的总体流程.接着,按照不同的模型构建方式,分别对基于部分的与基于整体的DFAR方法进行详细地概述与讨论.具体地,对基于部分的DFAR方法按是否采用规则区域定位进行分类,而对基于整体的DFAR方法则分别从基于单任务学习、基于多任务学习的角度进行区分,并对基于多任务学习的DFAR方法根据是否采用属性分组来进一步细分.然后介绍了常用的人脸属性识别数据集与评价指标,并对比与分析了新近提出的DFAR方法的性能.最后对DFAR方法的未来研究趋势进行展望.