Attribute für verbesserte Attribute: Ein Multi-Task-Netzwerk für die Attributklassifizierung

Attribute oder semantische Merkmale haben in den letzten Jahren in Bereichen von der Aktivitätserkennung in Videos bis zur Gesichtsverifizierung an Popularität gewonnen. Die Verbesserung der Genauigkeit von Attributklassifizierern ist ein wichtiger erster Schritt für jede Anwendung, die diese Attribute verwendet. In den meisten bisherigen Arbeiten wurden Attribute als unabhängig betrachtet. Allerdings wissen wir, dass dies nicht zutrifft. Viele Attribute sind sehr stark miteinander verbunden, wie zum Beispiel starkes Make-up und Lippenstift tragen. Wir schlagen vor, die Beziehungen zwischen Attributen auf drei Arten zu nutzen: durch die Verwendung eines mehrfach ausgerichteten tiefen Faltungsneuronalen Netzes (MCNN), bei dem die untersten Schichten von allen Attributen geteilt werden, durch das Teilen der höheren Schichten für verwandte Attribute und durch den Aufbau eines Hilfsnetzes über dem MCNN, das die Scores aller Attribute nutzt, um die endgültige Klassifikation jedes Attributes zu verbessern. Wir demonstrieren die Effektivität unserer Methode durch die Erzeugung von Ergebnissen auf zwei anspruchsvollen öffentlich zugänglichen Datensätzen.