AggNet：面向群体成员验证的人脸聚合学习
计算机视觉与模式识别
2022-06-20 v1
摘要
在一些人脸识别应用中，我们关注于验证某个个体是否为某一群体的成员，而不泄露其身份。一些现有方法提出了一种机制，将预先计算的人脸描述子量化为离散嵌入，并将其聚合成单一的群体表示。然而，该机制仅针对给定的封闭个体集合进行优化，并且每次群体变更时都需要从头学习群体表示。本文提出一种深度架构，联合学习人脸描述子与聚合机制，以获得更好的端到端性能。该系统可应用于包含前所未见个体的新群体，并能轻松管理新的成员加入或成员退出。我们在多个大规模自然场景人脸数据集上的实验表明，相较于其他基线方法，所提方法取得了更高的验证性能。
引用
@article{arxiv.2206.08683,
title = {AggNet: Learning to Aggregate Faces for Group Membership Verification},
author = {Marzieh Gheisari and Javad Amirian and Teddy Furon and Laurent Amsaleg},
journal= {arXiv preprint arXiv:2206.08683},
year = {2022}
}