基于特征校正的遮挡与无遮挡人脸识别统一框架
计算机视觉与模式识别
2022-02-16 v1 机器学习
图像与视频处理
摘要
在理想条件下的人脸识别随着深度学习的进步现已被认为是一个很好解决的问题。然而，在遮挡下识别人脸仍然是一个挑战。现有技术通常无法识别嘴和鼻都被口罩覆盖的人脸，这在COVID-19大流行下现在非常常见。解决此问题的常见方法包括：1）在识别过程中丢弃被遮挡区域的信息；2）在识别前恢复被遮挡区域。极少有工作考虑从遮挡人脸及其无遮挡对应人脸中提取的特征之间的一致性。这导致为识别遮挡人脸而训练的模型在无遮挡人脸上的性能往往下降。在本文中，我们提出了一个名为人脸特征校正网络（FFR-Net）的统一框架，用于同样识别遮挡和无遮挡人脸。我们引入校正块，在最先进的识别模型提取的特征上，从空间和通道维度进行校正，以在校正后的特征空间中最小化遮挡人脸与其无遮挡对应人脸之间的距离。实验表明，我们的统一框架可以学习一个校正后的特征空间，有效识别遮挡和无遮挡人脸，取得了最先进的结果。项目代码：https://github.com/haoosz/FFR-Net
引用
@article{arxiv.2202.07358,
title = {A Unified Framework for Masked and Mask-Free Face Recognition via Feature Rectification},
author = {Shaozhe Hao and Chaofeng Chen and Zhenfang Chen and Kwan-Yee K. Wong},
journal= {arXiv preprint arXiv:2202.07358},
year = {2022}
}
备注
5 pages, 4 figures, conference