人脸属性分类 (FAC) 是生物特征识别和人脸检索中备受关注的问题。尽管最近的研究致力于提取更精细的图像属性特征并利用属性间的相关性，但仍然存在重大挑战。
为了解决这些问题，刘娜领导的研究团队于 2024 年 6 月 15 日在高等教育出版社和施普林格·自然联合出版的《计算机科学前沿》上发表了他们的新研究。 该团队提出了一种基于散射的混合块，称为 WS-SE，以通道注意的方式结合频域 (WST) 和图像域 (CNN) 特征。与 CNN 相比，WS-SE 实现了更高效的 FAC 性能并补偿了小规模仿射变换的模型敏感性。
此外，为了进一步利用属性标签之间的关系，该团队提出了一种从因果角度进行的学习策略。使用因果关系相关信息定义的原因属性可用于推断具有高置信度的结果属性。
未来的工作将考虑基于不同尺度和旋转的非平均积分的混合网络设计，以及将 WST 直接应用于局部纹理增强，以实现轻量级融合模型并提高 FAC 的性能。
免责声明：本文由用户上传，如有侵权请联系删除！
