用于精确人脸识别的注意力特征对关系网络
计算机视觉与模式识别
2019-08-20 v1
摘要
人脸识别是生物特征识别中最重要的研究领域之一。然而,在面部姿态、表情和光照剧烈变化下的鲁棒人脸识别在其实际应用中是一个巨大的挑战性问题。此类变化使得人脸识别更加困难。在本文中,我们提出一种新颖的人脸识别方法,称为注意力特征对关系网络(AFRN),它通过带有注意力分数的局部表观块特征的相关对来表示人脸。AFRN由所有可能的9x9局部表观块特征对来表示人脸,每一对的重要性由通过低秩双线性池化获得的注意力图来考虑,并且每一对由其对应的注意力分数加权。为了提高准确率,我们选取前K个局部表观块特征对作为相关面部信息,并丢弃其余不相关信息。加权后的前K个特征对被传播以通过使用双线性注意力网络来提取联合特征对关系。在实验中,我们展示了所提出的AFRN的有效性,并在具有挑战性的LFW、YTF、CALFW、CPLFW、CFP、AgeDB、IJB-A、IJB-B和IJB-C数据集上,相比于现有的state-of-the-art方法,在1:1人脸验证和1:N人脸辨识任务中取得了出色的性能。
引用
@article{arxiv.1908.06255,
title = {Attentional Feature-Pair Relation Networks for Accurate Face Recognition},
author = {Bong-Nam Kang and Yonghyun Kim and Bongjin Jun and Daijin Kim},
journal= {arXiv preprint arXiv:1908.06255},
year = {2019}
}
备注
To appear in ICCV 2019