基于自注意力机制的亲属关系识别

摘要：

目前,基于局部注意力机制的卷积神经网络(CNNs)用于亲属关系识别特征提取获得了不错的效果,但基于卷积神经网络的主干模型提升不明显,同时鲜有研究者使用具有全局信息捕获能力的自注意机制.因此,提出使用基于一种无卷积主干特征提取网络的S-ViT模型,即用具有自全局注意力机制的Vision Transformer作为基础主干特征提取网络,通过构建孪生网络与具有局部注意力机制的CNN相结合,扩大传统分类网络,用于亲属关系识别相关问题的研究.最终实验结果表明,相比RFIW2020挑战赛领先的方法,所提出的方法在亲属关系识别3个任务上获得了良好的效果,第1个任务中获得了 76.8％验证精度排名第二,第2个和第3个任务中排名第三,证明了该方法的可行性和有效性,为亲属关系识别提出了一种新的解决方法.

关键词：亲属关系识别、自注意机制、Vision Transformer、卷积神经网络、深度学习

所属期刊栏目：32

分类号：TP391;TP183;TJ765.4+1

资助基金：四川理工学院科研基金项目;四川省人工智能重点实验室开放基金项目

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：89-96