초록
속성 또는 의미적 특징은 비디오에서의 활동 인식부터 얼굴 검증까지 다양한 분야에서 최근 몇 년간 인기를 얻고 있습니다. 이러한 속성을 사용하는 모든 응용 프로그램에서 속성 분류기의 정확도를 향상시키는 것이 중요한 첫 단계입니다. 지금까지 대부분의 연구에서는 속성이 독립적이라고 간주되었습니다. 그러나 우리는 이 가정이 항상 옳지 않다는 것을 알고 있습니다. 예를 들어, 진한 화장을 하고 립스틱을 바른 것과 같은 많은 속성이 매우 강하게 관련되어 있습니다. 우리는 속성 간의 관계를 세 가지 방법으로 활용하고자 합니다: 모든 속성을 공유하는 가장 낮은 층을 사용하는 다중 작업 깊은 합성곱 신경망(MCNN)을 통해, 관련된 속성을 위한 더 높은 층을 공유하며, MCNN 위에 모든 속성의 점수를 활용하여 각 속성의 최종 분류를 개선하는 보조 네트워크를 구축합니다. 우리는 두 개의 도전적인 공개 데이터셋에서 결과를 제시함으로써 우리 방법의 효과성을 입증합니다.