【每周CV论文推荐】 初学深度学习人脸属性分析必读的文章
我的新书《深度学习之人脸图像算法》市了，欢迎大家关注！
欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
人脸属性分析在社交娱乐，人机交互等领域有重要的作用，本次我们介绍初学人脸属性分析需要读的文章，包括年龄，表情等。
作者&编辑 | 言有三
1 IMDB-WIKI
人脸年龄的估计包括真实年龄和表观年龄，也分为年龄值和年龄段的估计，最简单的方法就是基于分类或者回归的思路进行预测，IMDB-WIKI[1]是当前最大的人脸年龄数据集。
文章引用量：270+
推荐指数：✦✦✦✦✦
[1] Rothe R, Timofte R, Van Gool L. Deep expectation of real and apparent age from a single image without facial landmarks[J]. International Journal of Computer Vision, 2018, 126(2-4): 144-157.
2 EmotioNet
人脸表情识别(facial expression recognition, FER)在人机交互、安全领域里应用广泛，EmotioNet是当前最大的人脸表情识别数据集与竞赛，包括表情单元和基本表情的识别竞赛。
文章引用量：50+
推荐指数：✦✦✦✦✦
[2] Fabian Benitez-Quiroz C, Srinivasan R, Martinez A M. Emotionet: An accurate, real-time algorithm for the automatic annotation of a million facial expressions in the wild[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016: 5562-5570.
3 SCUT-FBP5500
颜值打分也受到了一定的关注与研究，在娱乐领域有一定的应用，SCUT-FBP5500是当前开源最大的人脸颜值数据集。
文章引用量：50+
推荐指数：✦✦✦✧✧
[3] Liang L, Lin L, Jin L, et al. SCUT-FBP5500: A diverse benchmark dataset for multi-paradigm facial beauty prediction[C]//2018 24th International Conference on Pattern Recognition (ICPR). IEEE, 2018: 1598-1603.
4 CelebA
CelebA是当前最大的人脸属性分析数据集，包含20多万人脸图像，40个人脸属性标注。
文章引用量：1800+
推荐指数：✦✦✦✦✦
[4] Liu Z, Luo P, Wang X, et al. Deep learning face attributes in the wild[C]//Proceedings of the IEEE international conference on computer vision. 2015: 3730-3738.
5 CelebAMask-HQ
CelebAMask-HQ是基于CelebA-HQ的一个人脸属性分割数据集，拥有30000张512分辨率的高清人脸分割图。
文章引用量：较新
推荐指数：✦✦✦✦✦
[5] Lee C H, Liu Z, Wu L, et al. MaskGAN: towards diverse and interactive facial image manipulation[J]. arXiv preprint arXiv:1907.11922, 2019.
6 Survey
文[6]是2019年人脸属性分析的综述文章，可以详细了解人脸属性相关的研究进展。
文章引用量：较新
推荐指数：✦✦✦✦✦
[6] Zheng X, Guo Y, Huang H, et al. A Survey to Deep Facial Attribute Analysis[J]. arXiv preprint arXiv:1812.10265, 2018.
7 公众号综述
另外，在有三AI公众号也曾经整理过若干人脸属性相关的综述，链接如下：
8 如何获取文章与交流
找到有三AI开源项目即可获取。
https://github.com/longpeng2008/yousan.ai
总结
人脸属性分析是人脸图像领域的重要部分，往后我们会推荐人脸属性编辑相关的学习资料。
更多人脸内容的长期学习和讨论请移步有三AI秋季划-人脸算法小组
