מושגי ליבה
顔属性推定におけるマルチタスク学習と不確実性を活用する新しいアプローチの提案
תקציר
この論文では、顔画像から属性情報を推定するための新しいアプローチが提案されています。異種属性間の共通点と相違点を考慮して特徴共有と微調整が実装されています。序数属性の推定誤差は、一連の二値分類問題への変換によって低減されています。複数タスク間の損失ウェイトの動的最適化は、同質性不確実性に基づいて解決されています。提案手法は優れたパフォーマンスを発揮し、エッジシステムにも適用可能です。最後に、解釈可能性とバイアスについて議論されています。
סטטיסטיקה
Adienceベンチマークで86.59%および95.75%の精度を達成
UTKFaceベンチマークで64.74%および90.91%の精度を達成
年齢推定誤差:Adienceで0.2409(MSE)、0.1639(MAE);UTKFaceで66.3958(MSE)、5.323(MAE)
ציטוטים
"Deep Multi-Task Learning (DMTL) approach for estimating ordinal and nominal attributes of faces and verify that it is feasible in edge systems."
"We propose a multi-task learning approach based on deep CNNs to take into account the correlation and heterogeneity of face attributes."
"In summary, the key contributions of this paper are: We propose a Deep Multi-Task Learning (DMTL) approach for estimating ordinal and nominal attributes of faces and verify that it is feasible in edge systems."