计算机工程

作者：李亚, 张雨楠, 彭程, 杨俊钦, 刘淼

单位：广州大学 计算机科学与网络工程学院, 广州 510006

关键词：人脸属性识别,轻量化残差模块,深度卷积神经网络,模型压缩,多任务学习

基金：国家大学生创新训练项目（201711078017，201811078025）；广州市教育局市属高校科研项目（1201620302）。

针对传统深度卷积神经网络模型复杂、识别速度慢的问题，提出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。采用带权重的交叉熵作为损失函数监督训练网络模型，改善正负样本数不均衡问题。在公开数据集CelebA上的实验结果表明，该方法的识别错误率低至8.45%，空间开销仅2.7 MB，在CPU上每幅图预测时间低至15 ms，方便部署在资源有限的移动或便携式设备上，具有实际应用价值。

来源：2020年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第3期