一种用于生成戴口罩人脸的实用方法及其在两个新型戴口罩人脸识别数据集上的应用
计算机视觉与模式识别
2021-10-26 v5 机器学习
摘要
COVID-19 大流行提出了使人脸识别系统适应新现实的问题，人们可能佩戴外科口罩遮住鼻和嘴。用于训练这些系统的传统数据集（如 CelebA、CASIA-WebFace）在大流行前发布，因此由于缺乏戴口罩的人例，现在显得不合适。我们提出一种通过创建合成口罩并将其叠加到原始图像中的脸上来增强含无口罩人脸数据集的方法。我们的方法依赖 SparkAR Studio，这是 Facebook 制作的用于创建 Instagram 人脸滤镜的开发者程序。在我们的方法中，我们使用 9 种不同颜色、形状和织物的口罩。我们运用该方法为 CASIA-WebFace 数据集生成 445,446（90%）个口罩样本，为 CelebA 数据集生成 196,254（96.8%）个口罩，并在 https://github.com/securifai/masked_faces 发布口罩图像。我们让志愿者定性比较我们的方法与其他为同一任务设计的方法或数据集，表明我们的方法产生显著更真实的口罩叠加人脸训练样本。我们还通过评估在最先进人脸识别系统（FaceNet、VGG-face、ArcFace）上用我们增强的数据集训练，并展示当测试基准含戴口罩人脸时，它们优于用原始数据集（含无口罩人脸）或竞争数据集（含相关方法生成的口罩）训练的等价系统，来证明我们方法的实用性。
引用
@article{arxiv.2109.01745,
title = {A realistic approach to generate masked faces applied on two novel masked face recognition data sets},
author = {Tudor Mare and Georgian Duta and Mariana-Iuliana Georgescu and Adrian Sandru and Bogdan Alexe and Marius Popescu and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2109.01745},
year = {2021}
}
备注
Accepted at NeurIPS 2021