AAFACE: 面部识别的属性感知注意力网络
原文中文,约500字,阅读约需2分钟。发表于: 。我们提出了一种新的多分支神经网络,同时作为辅助模态进行软生物测量预测并作为主任务进行人脸识别。我们的网络 AAFace 利用软生物测量属性来增强人脸识别表征的区分能力,并通过属性感知注意整合模块(AAI)对人脸识别与软生物测量特征图进行加权整合。实验结果验证了我们提出的网络在软生物测量预测和人脸识别方法方面的卓越性。
本文介绍了一种新的人物再识别网络架构AANet,通过集成人物属性和属性注意力图到分类框架中,实现强大的判别性表示。在DukeMTMC-reID数据集上,AANet的mAP和Rank-1精度分别超过3.36%和3.12%。在重排后的Market1501数据集上,AANet的mAP和Rank-1精度分别达到92.38%和95.10%,相对于使用ResNet-152的最佳前沿方法,精度分别超过1.42%和0.47%。此外,AANet还可以执行人物属性预测和属性定位。