资料下载
×
一种基于多任务学习的人脸属性识别方法
消耗积分:0 |
格式:pdf |
大小:3.19 MB |
2021-05-27
分享资料个
针对传统深度卷积神经网络模型复杂、识别速度慢的问题，提岀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。采用带杈重的交叉熵作为损失函数监督训练网络模型，善正负样本数不均衡问题。在公开数据集Celebs上的实验结果表明，该方法的识别错误率低至8.45%，空仅2.7MB，在CPU上每幅图预测时间低至15ms，方便部署在资源有限的移动或便携式设备上，具有实际运用价值。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
