分析组合退化对人脸识别的影响
计算机视觉与模式识别
2024-06-05 v1
摘要
人脸识别模型通常在可能从受控环境收集的大规模图像数据集上进行训练。由于清晰图像与野外图像之间的域差距，这导致在应用于真实世界场景时出现性能差异。因此，一些研究人员通过分析合成退化来研究这些模型的鲁棒性。然而，现有研究大多集中在单一退化因素上，这可能无法完全捕捉真实世界退化的复杂性。本文通过使用扩展了欠曝/过曝条件的真实世界退化流程，分析单一和组合退化的影响，来解决这个问题。我们使用 LFW 数据集进行实验，并基于验证准确率评估模型性能。结果表明，单一退化和组合退化表现出不同的模型行为。即使单一退化效应可以忽略不计，退化的组合效应也会显著降低性能。这项工作强调了考虑真实世界复杂性以评估人脸识别模型在真实环境中鲁棒性的重要性。代码公开于 https://github.com/ThEnded32/AnalyzingCombinedDegradations。
引用
@article{arxiv.2406.02142,
title = {Analyzing the Effect of Combined Degradations on Face Recognition},
author = {Erdi Sarıtaş and Hazım Kemal Ekenel},
journal= {arXiv preprint arXiv:2406.02142},
year = {2024}
}
备注
Accepted at 18th International Conference on Automatic Face and Gesture Recognition (FG) on 2nd PrivAAL Workshop 2024