Deep Learning Face Attributes in the Wild

ICCV 2015 香港中文大学人脸方面的研究
http://personal.ie.cuhk.edu.hk/~lz013/projects/FaceAttributes.html

本文使用三个 CNN网络，前两个用于人脸检测，一个用于属性预测。
整个网络框架如下：

三个网络如上图 (a),(b),(c)所示，(a)图输入整个图像，输出人脸和上半身图像，(b)输入人脸和上半身图像，输出人脸，(c)输入人脸，输出人脸的属性。

LNeto and LNets 先在1000类物体类别的 ImageNet数据库上分类预训练。
LNeto and LNets 通过属性标记进行微调。

ANet 通过 classifying massive face identities 预训练，ANet is fine-tuned by attributes to learn the high-level feature FC.

提出一个 interweaved operation 来加速特征提取

速度：
Time Complexity For a 300 ∗ 300 image, LNets takes 35ms to localize face region while ANet takes 14ms to extract features on GPU