基于细粒度特征的人脸属性识别

摘要

人脸属性识别通常受光照、亮度、头部姿态等客观因素的影响而导致人脸属性识别的准确度降低.为了提高复杂场景下人脸属性识别的准确度,本文以卷积神经网络(convolutional neural network,CNN)技术为基础提出了一种基于细粒度特征的人脸属性识别网络模型(multiple granularity face attribute net,MGFA Net).在MTFL数据集上,通过对人脸图像提取细粒度特征,增加总体特征对各个人脸属性任务的表达能力,4种人脸属性的平均识别准确度达到88%,与ResNet18网络模型相比,有效提高了2.79%,并通过对比实验证明了细粒度特征网络结构的有效性.