典型文献
基于多网络学习的人脸属性分类
文献摘要：
为解决传统人脸属性分类训练效率低、模型参数量巨大等问题,本文提出了一种多网络学习框架.该框架包含两个子网络:人脸区域定位网络和属性分类网络,从而实现动态选择不同的人脸区域进行人脸属性预测.此外,本文提出了基于提示的模型压缩技术,在不明显降低准确率的前提下大大压缩网络参数.最后,通过仿真在CelebA人脸属性分类数据集上对所提方法进行性能分析,所提出网络模型平均分类准确率可达到90.89％,网络参数量仅为0.27M.
文献关键词：
人脸属性;深度学习;注意机制;多网络学习
中图分类号：
作者姓名：
宋梦媛
作者机构：
上海工艺美术职业学院,上海610106
文献出处：
引用格式：
[1]宋梦媛-.基于多网络学习的人脸属性分类)[J].单片机与嵌入式系统应用,2022(01):21-24,28
A类：
多网络学习,27M
B类：
人脸属性,分类训练,训练效率,模型参数量,子网络,区域定位,分类网络,动态选择,属性预测,模型压缩,压缩技术,网络参数,CelebA,分类数据,模型平均,平均分,分类准确率,注意机制
AB值：
0.326668
相似文献
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。
