计算机研究与发展

作者：赖心瑜,陈思,严严,王大寒,朱顺痣,

关键词：人脸属性识别, 深度学习, 多标记学习, 单任务学习, 多任务学习,

人脸属性识别是计算机视觉和模式识别领域的热门研究课题之一，对人脸图像的分析和理解具有重要的研究意义，同时在图像检索、人脸识别、微表情识别和推荐系统等诸多领域具有广泛的实际应用价值.随着深度学习的快速发展，目前国内外学者已提出许多基于深度学习的人脸属性识别(deeplearningbasedfacialattributerecognition,DFAR)方法.首先，阐述人脸属性识别方法的总体流程.接着，按照不同的模型构建方式，分别对基于部分的与基于整体的DFAR方法进行详细地概述与讨论.具体地，对基于部分的DFAR方法按是否采用规则区域定位进行分类，而对基于整体的DFAR方法则分别从基于单任务学习、基于多任务学习的角度进行区分，并对基于多任务学习的DFAR方法根据是否采用属性分组来进一步细分.然后介绍了常用的人脸属性识别数据集与评价指标，并对比与分析了新近提出的DFAR方法的性能.最后对DFAR方法的未来研究趋势进行展望.

来源：2021年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2021年第12期