We propose a combined center-dispersion loss function aimed to reduce the intra-class variation and interclass similarity of facial attribute classification datasets and to achieve high accuracy in facial expression, gender and age recognition. Due to lack of data in Facial Expression datasets, we strategically combine four publicly available facial expression datasets for training and we train gender and age on the Adience dataset. Moreover, we propose an incremental cosine annealing method for deploying ensemble models of multiple models trained with incremented learning rates and ensemble predictions for a better accuracy. This method also reduces computational cost as wella s yields ensembled predictions of varied models instead of similar models that are trained on the same learning rates. We train our methods in VGGFace network and achieve an accuracy of 74.71% on the FER2013 test set,FERPLUS test dataset for Expression Recognition achieved an accuracy of 84.46%, 92.09% on the Adience gender test set and 62% on the Adience age test set. We further our work to develop a low cost and fast multitask network to simultaneously recognize facial expression, gender and age rather than training three separate models. Finally, to achieve high accuracy in the multitask network we propose a weighted sum of loss functions while training.
얼굴 속성 분류 데이터 세트의 클래스 내 변동 및 클래스 간 유사성을 줄이고 얼굴 표정, 성별 및 나이 인식에 서 높은 정확도를 달성하기 위해 결합 된 중심 분산 손실 함수를 제안합니다. 표정 데이터 세트에 데이터가 부족하기 때문에 공개적으로 사용 가능한 4 개의 표정 데이터 세트를 전략적으로 결합하고 Adience 데이터 세트에서 성별과 나이를 학습합니다. 또한, 더 높은 정확도를 위해 증가 된 학습률과 앙상블 예측으로 훈련 된 여러 모델의 앙상블 모델을 배포하기 위한 증분 코사인 어닐링 방법을 제안합니다. 이 방법은 또한 계산 비용을 줄일뿐만 아니라 동일한 학습률로 훈련 된 유사한 모델 대신 다양한 모델의 앙상블 예측을 생성합니다. VGGFace 네트워크에서 학습하고 FER2013 테스트 세트에서 74.71 % 의 정확도를 달성했습니다. 표정 인식을 위한 FERPLUS 테스트 데이터 세트는 Adience 성별 테스트 세트에서 84.46 %, 92.09 %의 정확도를 달성했습니다. 그리고 Adience 나이 테스트 세트에서 62 % 의 정확도를 달성했습니다. 세 가지 별도의 모델을 학습하는 대신 얼굴 표정, 성별 및 나이을 동시에 인식 할 수 있는 저비용 및 빠른 멀티 태스킹 네트워크를 개 발하기 위해 개발합니다. 마지막으로, 멀티 태스킹 네트워크에서 높은 정확도를 달성하기 위해 학습하는 동안 손실 함수의 가중 합계를 제안합니다.
