你在画廊内还是画廊外？同一身份的群体智慧

一对多人脸识别的核心问题之一是，探针图像中的人物是否在画廊中已有登记图像；即，该人是画廊内(In-gallery)还是画廊外(Out-of-gallery)。过去的检测方法大多关注在相似度得分上寻找合适的阈值。我们采取了新的方法，利用与得分排名第一身份的额外登记图像来预测该得分排名第一的结果是画廊内还是画廊外。给定画廊中的身份和图像，我们通过提取对应得分排名第一身份的额外登记图像的排名来生成画廊内和画廊外的训练数据。然后，我们训练一个分类器来利用此特征向量预测一个得分排名第一的结果是画廊内还是画廊外。我们使用两个不同的数据集和四种不同的匹配器，呈现实验结果表明，我们的方法对 mugshot 质量的探针图像有效，其重要之处在于即使对于因模糊、分辨率降低、大气湍流和太阳镜等因素导致探针图像退化的情况也同样有效。我们还分析了不同人口统计学群体的结果，表明画廊内/画廊外分类准确率在不同人口统计学群体间相似。我们的方法有望提供一种关于一对多人脸识别是否为画廊外的客观估计，从而减少误认、错误逮捕以及浪费的调查时间。有趣的是，比较旧的基于深度卷积神经网络的人脸匹配器与新的匹配器的結果表明，我们的画廊内/画廊外检测方法的有效性仅在使用具有先进边际损失函数训练的匹配器时才会显现。