典型文献
基于细粒度特征的人脸属性识别
文献摘要：
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.
文献关键词：
人脸属性识别;细粒度特征;卷积神经网络
中图分类号：
作者姓名：
韩菲;周卫斌;杨永刚;王阳
作者机构：
天津科技大学电子信息与自动化学院,天津 300222
文献出处：
引用格式：
[1]韩菲;周卫斌;杨永刚;王阳-.基于细粒度特征的人脸属性识别)[J].天津科技大学学报,2022(03):73-80
A类：
MTFL
B类：
细粒度特征,人脸属性识别,亮度,头部姿态,客观因素,复杂场景,convolutional,neural,network,识别网络,multiple,granularity,face,attribute,MGFA,人脸图像,图像提取,加总,总体特征,表达能力,ResNet18
AB值：
0.225988
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
