摘要
本文研究了轻量级卷积神经网络在人脸身份识别与面部属性分类（年龄、性别、种族）任务中的多任务训练，所有模型均基于无边距裁剪后的人脸图像进行训练。研究结果表明，尽管已具备较强表征能力，这些网络仍需进一步微调才能有效预测面部表情。本文提出了基于MobileNet、EfficientNet和RexNet架构的多种模型。实验结果表明，所提出的模型在AffectNet数据集上实现了当前最先进的表情分类准确率，同时在UTKFace数据集上的年龄、性别和种族识别任务中也达到了接近最先进水平的性能。此外，研究还证明，将所提出的神经网络用作视频帧中面部区域的特征提取器，并结合多种统计函数（如均值、最大值等）进行特征拼接，可在EmotiW挑战赛的AFEW和VGAF数据集上实现比此前已知最优单模型高出4.5%的分类准确率。