一种用于跨光谱人脸识别的双向转换网络
计算机视觉与模式识别
2022-05-04 v1
摘要
红外（IR）波段的人脸识别因其独立于背景光、强穿透性、能在夜间、雨雾等恶劣环境下成像等优势，已成为可见光人脸识别的重要补充。然而，由于可见光与红外图像之间的显著差异以及配对训练数据的缺乏，跨光谱人脸识别（即 VIS 到 IR）极具挑战性。本文提出了一种异质人脸图像间双向跨光谱转换（BCSC-GAN）框架，并基于信息融合理论设计了自适应加权融合机制。该网络将跨光谱识别问题转化为光谱内识别问题，并通过融合双向信息提升性能。具体而言，引入了具有保留身份特征能力的人脸身份保留模块（IRM），并设计了一种新的复合损失函数以克服由不同光谱特性引起的模态差异。在 TINDERS 和 CASIA 两个数据集上进行了测试，比较了 FID、识别率、等错误率和归一化距离等性能指标。结果表明，我们提出的网络优于其他最先进的方法。此外，所提出的自适应加权融合（SAWF）规则优于未融合情形及常用的其他传统融合规则的识别结果，进一步证明了所提双向转换方法的有效性与优越性。
引用
@article{arxiv.2205.01595,
title = {A Bidirectional Conversion Network for Cross-Spectral Face Recognition},
author = {Zhicheng Cao and Jiaxuan Zhang and Liaojun Pang},
journal= {arXiv preprint arXiv:2205.01595},
year = {2022}
}