.png){kind=icon}
返回
Kinship verification via correlation calculation-based multi-task learning
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0329574.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
已有研究证实，度量学习方法在亲缘关系验证领域表现出卓越性能。然而，现有方法普遍存在一个显著局限，即过度依赖仅从特定类型的给定亲缘数据中学习，这常常导致信息孤岛现象。尽管基于生成模型的度量学习方法为该问题提供了潜在解决方案，但它们受到巨大计算成本的制约。为应对这些挑战，本文提出了一种新颖的基于相关性计算的多任务学习（CCMTL）方法，专门针对亲缘关系验证设计。观察到亲缘成员在关键面部器官（如眼睛、嘴巴和鼻子）上通常表现出高度相似性。基于此相似性，不同亲缘关系成员间的相似面部特征往往体现出某种相关性。受此观察启发，我们提出的方法旨在通过利用特定亲缘数据及各类亲缘关系间的相关性，学习一组度量标准。这些相关性通过深入探究特定亲缘数据与其他亲缘类型间的空间分布关系来确定。此外，我们在多任务学习框架内开发了一种高效算法，将相关性利用与度量学习相结合。该创新方法有效解决了信息孤岛问题，同时最小化了计算开销。在KinFaceW数据集上进行的大量实验验证表明，所提出的CCMTL方法在性能上达到了优于或相当于现有方法的结果。
Keyword:
FEATURE FUSION
FACE
DEEP
SUBSPACE
FEATURES
SUBJECT
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
暂无机构信息
引用论文
Multi-attribute balanced dataset generation framework AutoSyn and KinFace Channel-Spatial Feature Extractor for kinship recognition.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Multilinear subspace learning using handcrafted and deep features for face kinship verification in the wild使用手工和深度特征进行多线性子空间学习，以在野外进行面部亲属关系验证APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容