用于可解释人脸识别的激活模板匹配损失

我们能否构建一种可解释的人脸识别网络，能够在无需任何人工标注或额外数据集的情况下，学习到如眼睛、鼻子、嘴巴等基于面部局部的特征？本文提出一种通用的可解释通道损失（ECLoss）来构建可解释人脸识别网络。使用 ECLoss 训练的可解释网络能够轻松地在目标卷积层上学习基于面部局部的表示，其中单个通道可检测某一特定面部部位。我们在数十个数据集上的实验表明，ECLoss 取得了更优的可解释性指标，同时在不进行人脸对齐的情况下提升了人脸验证性能。此外，我们的可视化结果也说明了所提 ECLoss 的有效性。