基于多网络学习的人脸属性分类

• 作者: 宋梦媛
• 来源期刊: 单片机与嵌入式系统应用
• 学科: 工学
• 关键词: 人脸属性 深度学习 注意机制 多网络学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 技术专题—嵌入式系统深度学习的智力进化|TECHNOLOGY TOPIC
• 页码范围: 21-24,28
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

为解决传统人脸属性分类训练效率低、模型参数量巨大等问题,本文提出了一种多网络学习框架.该框架包含两个子网络:人脸区域定位网络和属性分类网络,从而实现动态选择不同的人脸区域进行人脸属性预测.此外,本文提出了基于提示的模型压缩技术,在不明显降低准确率的前提下大大压缩网络参数.最后,通过仿真在CelebA人脸属性分类数据集上对所提方法进行性能分析,所提出网络模型平均分类准确率可达到90.89％,网络参数量仅为0.27M.