基于多网络学习的人脸属性分类
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.
人脸属性;深度学习;注意机制;多网络学习
22
TP393(计算技术、计算机技术)
2022-01-20（万方平台首次上网日期，不代表论文的发表时间）
共5页
21-24,28
