Attributs pour des Attributs Améliorés : Un Réseau Multi-Tâches pour la Classification des Attributs

Les attributs, ou caractéristiques sémantiques, ont connu une popularité croissante ces dernières années dans des domaines allant de la reconnaissance d'activités dans les vidéos à la vérification faciale. Améliorer la précision des classifieurs d'attributs est une étape cruciale pour toute application utilisant ces attributs. Dans la plupart des travaux jusqu'à présent, les attributs ont été considérés comme indépendants. Cependant, nous savons que ce n'est pas le cas. De nombreux attributs sont très fortement liés, tels que le maquillage lourd et le port de rouge à lèvres. Nous proposons d'exploiter les relations entre les attributs de trois manières : en utilisant un réseau neuronal convolutif profond multi-tâche (MCNN) partageant les premières couches parmi tous les attributs, en partageant les couches supérieures pour les attributs liés, et en construisant un réseau auxiliaire au-dessus du MCNN qui utilise les scores de tous les attributs pour améliorer la classification finale de chaque attribut. Nous démontrons l'efficacité de notre méthode en produisant des résultats sur deux jeux de données publiques et difficiles.