赖心瑜 陈 思 严 严 王大寒 朱顺痣

1(厦门理工学院计算机与信息工程学院 福建厦门 361024) 2(福建省模式识别与图像理解重点实验室(厦门理工学院) 福建厦门 361024) 3(厦门大学信息学院 福建厦门 361005)

Fig.1 Classification framework of DFAR methods

近年来，随着人工智能技术的发展，人脸属性识别逐渐成为计算机视觉与模式识别领域的一个热门研究方向.人脸属性通常指描述人类可理解的面部图像的抽象语义，比如表情、性别、年龄、种族、脸型等属性.人脸属性识别(或人脸属性分类)是利用计算机来分析和判断人脸图像的各类属性信息.人脸属性识别搭建了人类可理解的视觉描述和各类计算机视觉任务所需的抽象语义之间的一个桥梁.近几年，人脸属性识别在视频监控[1-2]、社交媒体[3]、人脸验证[4-5]、人机交互[6]等场景中得到了广泛的应用.

在目前众多人脸属性识别研究中，有些方法仅针对单一的人脸属性进行识别[7-11]，我们称之为基于单标记学习的人脸属性识别方法，即一个样本只对应一个类别标记，如人脸表情识别[7-8]、年龄识别[9-10]、性别识别[11]等.而基于多标记学习的人脸属性识别方法[12-15]诣在学习一个样本到多个类别标记集合的映射.在基于多标记学习的人脸属性识别中，用(xi,yi)表示一个样本的输入、输出对，其中xi是第i个输入样本，yi是输出的包含M个属性类别的向量(yi1,yi2,…,yiM)T.yij代表第i个样本的第j个属性的类别(比如，对于二分类的情况，yij=1表示该属性存在，yij=0表示该属性不存在).因此，基于多标记学习的人脸属性识别……