基于注意力机制的多任务网络FAR-AMTN在面部属性识别中的创新应用

针对多任务网络(MTN)在面部属性识别(FAR)中参数激增和特征交互不足的难题，研究人员提出融合权重共享组特异性注意力(WSGSA)和跨组特征融合(CGFF)模块的FAR-AMTN模型，通过动态加权策略(DWS)实现任务同步收敛。在CelebA和LFWA数据集上验证显示，该模型以更少参数获得更高精度，为计算机视觉领域多任务学习提供新范式。

　　

在人工智能与计算机视觉领域，面部属性识别(Face Attribute Recognition, FAR)作为基础技术，支撑着从人脸检索到虚拟化妆等众多应用。然而传统多任务网络(Multi-Task Network, MTN)采用"底层共享+高层独立"的架构，不仅面临参数数量随任务增长呈指数级膨胀的困境，更因高层特征交互的缺失而限制模型泛化能力。微软研究院开发的ResNet虽在特征提取方面表现卓越，但直接应用于FAR时仍存在任务收敛速度不均、损失尺度差异导致的"跷跷板效应"(seesaw effect)等挑战。

为解决上述问题，由Gong Gao领衔的研究团队创新性地提出FAR-AMTN模型。该研究通过三方面突破重构了MTN架构：首先，权重共享组特异性注意力(Weight-Shared Group-Specific Attention, WSGSA)模块采用参数共享机制，在ResNet50的conv5层嵌入注意力机制，既提升组特征表征能力，又将模型参数量降低至传统MTN的1/3；其次，跨组特征融合(Cross-Group Feature Fusion, CGFF)模块通过特征交互挖掘属性间语义关联，实验显示该设计使模型在CelebA数据集上的平均准确率提升2.7%；最后引入动态加权策略(Dynamic Weighting Strategy, DWS)，通过自适应调整任务权重解决收敛不同步问题。

关键技术方法
研究采用ResNet50作为骨干网络，conv1-conv4层提取共享低阶特征，conv5层集成WSGSA模块实现组特征增强。在CelebA（含20万张标注40种属性的图像）和LFWA（13,233张多姿态人脸）数据集上验证，通过CGFF模块的通道注意力机制实现跨组特征交互，配合DWS策略平衡任务优化。

研究结果

1. 网络架构创新
   WSGSA模块通过1×1卷积核实现参数共享，相比传统MTN减少68.3%参数；CGFF模块采用通道注意力机制，使"眼镜"与"帽子"等关联属性组的特征交互效率提升41%。

2. 数据集验证
   在LFWA数据集上，FAR-AMTN以92.1%准确率超越Slim-CNN（89.3%）和FaRL（90.7%），参数量仅分别为二者的1/5和1/8。CelebA测试中，"年轻"、"微笑"等主观属性识别率提升显著，证明CGFF对语义关联属性的增强作用。

3. 动态优化表现
   DWS策略使各任务损失尺度标准差从0.47降至0.12，有效缓解过拟合现象。消融实验显示，移除DWS会导致"胡子"等稀疏属性识别率下降12.6%。

结论与意义
该研究开创性地将注意力机制与特征融合引入FAR领域，FAR-AMTN模型在参数量减少75%的前提下实现性能突破。其价值体现在三方面：技术上，WSGSA-CGFF架构为多任务学习提供可扩展框架；理论上，证实了属性间语义关联对模型泛化能力的关键影响；应用上，轻量化设计使其更适合移动端部署。研究团队指出，未来可探索三维人脸数据与视频时序特征的融合，进一步拓展模型边界。