La clasificación de atributos faciales (FAC) es un problema de alto perfil en la verificación biométrica y la recuperación facial. Aunque las investigaciones recientes se han dedicado a extraer características de atributos de imagen más delicadas y a explotar las correlaciones entre atributos, todavía existen desafíos importantes.
Para resolver los problemas, un equipo de investigación dirigido por Na LIU publicó su nueva investigación el 15 de junio de 2024 en Frontiers of Computer Science, copublicado por Higher Education Press y Springer Nature.
El equipo propuso un bloque híbrido basado en dispersión, denominado WS-SE, para incorporar características de dominio de frecuencia (WST) y de dominio de imagen (CNN) de una manera de atención de canal. En comparación con CNN, WS-SE logró un rendimiento FAC más eficiente y compensó la sensibilidad del modelo a la transformación afín a pequeña escala.
Además, para explotar aún más las relaciones entre las etiquetas de atributo, el equipo propuso una estrategia de aprendizaje desde un punto de vista causal. Los atributos de causa definidos utilizando la información relacionada con la causalidad se pueden utilizar para inferir los atributos de efecto con un alto nivel de confianza.
El trabajo futuro considerará el diseño de redes híbridas basadas en la integración no promedio a diferentes escalas y rotaciones, así como la aplicación directa de WST a la mejora de la textura local para lograr modelos de fusión ligeros y mejorar el rendimiento de FAC.
DOI: 10.1007/s11704-023-2570-6
Revista
Frontiers of Computer Science
Método de investigación
Estudio experimental
Asunto de investigación
No aplicable
Título del artículo
Red híbrida basada en dispersión para la clasificación de atributos faciales
Fecha de publicación del artículo
15-jun-2024
