A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Gender Recognition Using a Gaze-Guided Self-Attention Mechanism Robust Against Background Bias in Training Samples Reconhecimento de gênero usando um mecanismo de autoatenção guiado pelo olhar, robusto contra preconceitos de fundo em amostras de treinamento

Masashi NISHIYAMA, Michiko INOUE, Yoshio IWAI

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Propomos um mecanismo de atenção em redes de aprendizagem profunda para reconhecimento de gênero utilizando a distribuição do olhar de observadores humanos quando julgam o gênero das pessoas em imagens de pedestres. Os mecanismos de atenção predominantes calculam espacialmente a correlação entre os valores de todas as células em um mapa de recursos de entrada para calcular os pesos de atenção. Se houver um grande viés no fundo das imagens de pedestres (por exemplo, amostras de teste e amostras de treinamento contendo fundos diferentes), os pesos de atenção aprendidos usando os mecanismos de atenção predominantes serão afetados pelo viés, o que por sua vez reduz a precisão do reconhecimento de gênero. Para evitar esse problema, incorporamos um mecanismo de atenção denominado autoatenção guiada pelo olhar (GSA), inspirado na atenção visual humana. Nosso método atribui pesos de atenção espacialmente adequados a cada mapa de características de entrada usando a distribuição do olhar de observadores humanos. Em particular, o GSA produz resultados promissores mesmo quando se utiliza amostras de treinamento com viés de fundo. Os resultados de experimentos em conjuntos de dados disponíveis publicamente confirmam que nosso GSA, usando a distribuição do olhar, é mais preciso no reconhecimento de gênero do que os métodos baseados na atenção atualmente disponíveis no caso de viés de fundo entre amostras de treinamento e teste.

Publicação
IEICE TRANSACTIONS on Information Vol.E105-D No.2 pp.415-426
Data de publicação
2022/02/01
Publicitada
2021/11/18
ISSN online
1745-1361
DOI
10.1587/transinf.2021EDP7117
Tipo de Manuscrito
PAPER
Categoria
Reconhecimento de imagem, visão computacional

autores

Masashi NISHIYAMA
  Tottori University
Michiko INOUE
  Tottori University
Yoshio IWAI
  Tottori University

Palavra-chave