Aug, 2023

AAFACE: 面部识别的属性感知注意力网络

PDF
TL;DR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。
multi-branch neural networksoft biometric predictionface recognitionattribute-aware attentional integrationstate-of-the-art methods
发现论文，激发创造
  • 基于注意力特征对关系网络的准确人脸识别

    本论文提出了一种名为 AFRN 的人脸识别方法，它是通过考虑注意力分数来表示本地外观块特征的相关配对，以增加准确性并通过使用双线性注意力网络提取联合特征 - 对关系。在实验中，该方法在诸多数据集上的表现均超越了现有的最先进的方法。

    Aug, 2019

  • CATFace: 基于跨属性引导变压器和自注意力蒸馏的低质量人脸识别

    通过应用软生物特征属性和自我注意力蒸馏方法，我们提出了一种新颖的多分支神经网络，用于提高低质量图像下面部识别的性能，实验证明我们的方法优于最先进的研究成果。

    Jan, 2024

  • 一种由面部属性预测增强的深度人脸识别网络

    该研究提出了一种新的深度学习框架，预测面部属性并将其作为软模态来提高面部识别性能，并且在预测属性和面部特征中融合以改进面部识别性能。实验结果表明，该模型在面部识别和属性预测性能方面都有很好的表现，特别是在身份面部属性预测方面。

    Apr, 2018

  • 基于注意力关系网络的面部动作单元识别

    本文提出了一种基于注意力机制的关系网络（ABRNet），该网络可以自动捕获不同 AU 之间的关系，使用自我注意力融合模块来提高特征的稳健性，并提出了 AU 关系丢失策略和 AU 关系损失来进一步改善 AU 识别。实验证明，该方法在 DISFA 和 DISFA+ 数据集上实现了最先进的性能。

    Oct, 2022

  • J (A) A-Net: 适应性注意力联合检测面部动作单元与面部对齐

    本文提出了一种用于联合面部动作单元检测和面部对齐的深度学习框架，通过学习多尺度共享特征，将面部对齐特征和全局特征与调整后的局部特征相结合，采用自适应注意力学习模块来调整 AU 的注意力图，实现了更好的 AU 检测表现，可适应不规则的 AU 区域，有望在面部识别领域有更广泛的应用。

    Mar, 2020

  • AFFACT - 一种无需对齐的面部属性分类技术

    本文探讨了最新版本的深度卷积神经网络 ResNets 在面部属性分类任务上的表现情况，研究表明使用 AFFACT 数据扩增技巧，可以在不需要超出检测到的人脸边界框范围的对齐情况下，提高面部属性的分类准确性，相对于 CelebA 基线，准确率提升了 36.8%。

    Nov, 2016

  • AANet：人物再识别中的属性注意力网络

    本文提出了一种新的人物再识别（re-ID）网络架构 Attribute Attention Network（AANet），该架构将人物属性和属性注意力图集成到分类框架中，并通过估计单个属性的类响应并将它们组合形成属性注意力图（AAM），来实现强大的判别性表示。在 DukeMTMC-reID 数据集上，相比使用 ResNet-50 的最佳前沿方法 arXiv:1711.09349v3 [cs.CV]，AANet 在 mAP 和 Rank-1 精度上分别超过 3.36% 和 3.12%；在重排后的 Market1501 数据集上，AANet 在 mAP 和 Rank-1 精度上分别达到 92.38% 和 95.10%，相对于另一种使用 ResNet-152 的最佳前沿方法 arXiv:1804.00216v1 [cs.CV]，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，并在查询图像中定位属性。

    Dec, 2019

  • AttaNet: 一种用于快速和精准场景解析的注意力增强网络

    提出了一种新的模型，称为 AttaNet，用于在保持高效的同时捕获全局上下文和多级语义，通过 Strip Attention 模块和 Attention Fusion 模块实现低复杂度计算和加权特征融合技术，并在两个语义分割基准测试中进行了广泛的实验，取得了不同水平的速度 / 精度平衡和领先的表现。

    Mar, 2021

  • AIC-AB NET: 带有空间关注和文本属性的图像字幕神经网络

    本研究提出并介绍了一种新型的属性 - 信息组合注意力网络 AIC-AB NET，将空间注意力架构和文本属性相结合，以生成图注。经过对 MS COCO 数据集和一个新的时尚数据集的测试和评估，结果显示所提出的模型相对于最先进的基线模型和删除模型具有卓越的性能。

    Jul, 2023

  • 使用注意力和关系学习进行面部动作单元检测

    本文提出了一种基于深度学习的端到端注意力关系学习框架，用于面部动作单元（AU）检测。通过自适应地学习通道和空间注意力以选择和提取与 AU 相关的局部特征，并进一步捕获 AU 的像素级关系以提炼更多相关的局部特征，该方法在 AU 检测和强度估计方面均优于目前最先进的方法，并能在严重的遮挡和大姿态下工作。

    Aug, 2018