文献

J-GLOBAL ID：202002223352651707   整理番号：20A1138674

多タスク学習に基づく顔属性認識手法【JST・京大機械翻訳】

Face Attributes Recognition Method Based on Multi-Task Learning

著者 (5件)： Li Ya (广州大学計算机科学与网絡工程学院,广州,510006) ,  Zhang Yunan (广州大学計算机科学与网絡工程学院,广州,510006) ,  Peng Cheng (广州大学計算机科学与网絡工程学院,广州,510006) ,  Yang Junqin (广州大学計算机科学与网絡工程学院,广州,510006) ,  Liu Miao (广州大学計算机科学与网絡工程学院,广州,510006)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 46  号： 3  ページ： 229-236  発行年： 2020年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的深さ畳込みニューラルネットワークモデルの複雑性と認識速度の遅い問題を解決するために,マルチタスク学習に基づく顔属性認識法を提案した。基本ネットワークを軽量残差モジュールによって構築して,ネットワークパラメータおよび計算コストを大いに減少するために,属性クラス間の関連関係に従って,共有分岐ネットワークを設計した。マルチタスク学習の方式を用いて,各ブランチネットワークと基礎ネットワークのパラメータを最適化し,関連属性間の共通特徴を利用して顔の属性認識を実現した。重みつきクロスエントロピーを損失関数監視訓練ネットワークモデルとして採用し,正負サンプル数不均衡問題を改善した。公開データセットCelebAの実験結果により、この方法の識別誤り率は8.45%まで低く、空間オーバヘッドは2.7MBのみであり、CPU上の各図予測時間は15msに低く、資源が有限な移動あるいは携帯設備に便利に配置し、実際の応用価値を持つことが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  損失関数 ,  ネットワーク ,  残差 ,  誤り率
準シソーラス用語： 不均衡 ,  ネットワークモデル ,  オーバヘッド ,  複雑性 ,  計算コスト ,  マルチタスク学習 ,  ネットワークパラメータ ,  クロスエントロピー ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： タスク ,  学習 ,  顔 ,  属性 ,  手法