自适应人脸识别系统是否仍然必要？在 APE 数据集上的实验
计算机视觉与模式识别
2021-02-04 v2
摘要
在过去五年中，深度学习方法，尤其是 CNN，在基于人脸的识别领域引起了极大关注，并取得了令人瞩目的成果。尽管取得了这些进展，但目前尚不清楚深度特征能够在多大程度上跟随人脸随时间呈现的所有类内变化。在本文中，我们研究了通过采用人脸模板的自更新策略来提升人脸识别系统的性能。为此，我们在一个我们明确生成、旨在嵌入用户在较长捕获时间跨度上的类内变化的数据集上，评估了一种著名的深度学习人脸表示，即 FaceNet 的性能：APhotoEveryday (APE) 数据集。此外，我们将这些深度特征与使用 BSIF 算法提取的手工特征进行了比较。在这两种情况下，我们评估了各种模板更新策略，以检测对此类特征最有用的策略。实验结果表明，与无更新或随机选择模板的系统相比，“优化”的自更新方法具有有效性。
引用
@article{arxiv.2010.04072,
title = {Are Adaptive Face Recognition Systems still Necessary? Experiments on the APE Dataset},
author = {Giulia Orrù and Marco Micheletto and Julian Fierrez and Gian Luca Marcialis},
journal= {arXiv preprint arXiv:2010.04072},
year = {2021}
}
备注
Preprint version of a paper accepted at IPAS 2020 (Fourth IEEE International Conference on Image Processing, Applications and Systems)