人脸图像质量对野外人脸识别影响的研究

近年来深度学习在人脸识别中受到越来越多的关注。已提出大量深度学习方法以处理人脸识别中出现的各类问题。不少深度方法声称其已在某些数据库中取得甚至超越人类水平的人脸验证性能。众所周知，人脸图像质量对传统人脸识别方法（例如带手工特征的模型驱动方法）构成巨大挑战。然而，鲜有研究关注人脸图像质量对深度学习方法乃至人类性能的影响。因此，我们提出一个问题：人脸图像质量是否仍是基于深度学习的人脸识别（尤其在非受限条件下）的挑战之一。基于此，我们进一步在人水平上探究该问题。本文中，我们将人脸图像划分为三个不同质量集合，以评估深度学习方法在野外跨质量人脸图像上的性能，并据此设计一项针对这些跨质量数据的人脸验证实验。结果表明，质量问题在深度学习中仍须深入研究，人类在建立大质量差距的不同人脸图像间关联上具备更强能力，且声称深度学习方法超越人类水平过于乐观。