低分辨率监控图像上面具遮挡人脸分类基准
计算机视觉与模式识别
2023-08-04 v2
摘要
我们提出了一个专注于用于面具分类的微小戴面具人脸的新型图像数据集，称为小脸面具（SF-MASK），由从多样且异构的数据集导出的 2 万张低分辨率图像组成，分辨率从 7 x 7 到 64 x 64 像素不等。通过计数网格对该集合的准确可视化，使得突出行人头部所假设姿态多样性中的空白成为可能。特别是，由非常高摄像机拍摄的、面部特征呈现强烈倾斜的人脸是缺失的。为解决这一结构性缺陷，我们生成了一组合成图像，从而令人满意地覆盖了类内方差。此外，一个包含 1701 张图像的小子样本含有严重佩戴不当的面具，开启了多类分类挑战。在 SF-MASK 上的实验聚焦于使用多种分类器进行面具分类。结果表明，在固定的 1077 张图像测试集上，SF-MASK（真实+合成图像）的丰富性使得所有被测分类器的表现均优于使用对比性面具数据集。数据集和评估代码公开于此：https://github.com/HumaticsLAB/sf-mask
引用
@article{arxiv.2211.13061,
title = {A Masked Face Classification Benchmark on Low-Resolution Surveillance Images},
author = {Federico Cunico and Andrea Toaiari and Marco Cristani},
journal= {arXiv preprint arXiv:2211.13061},
year = {2023}
}
备注
15 pages, 7 figures. Accepted at T-CAP workshop @ ICPR 2022