面向软生物特征引导人脸素描–照片识别的属性中心损失
计算机视觉与模式识别
2018-04-10 v1
摘要
人脸素描能够捕捉人脸的空间拓扑结构，但缺乏某些面部属性，如种族、皮肤或头发颜色。现有的素描–照片识别方法大多忽略了面部属性的重要性。本文中，我们提出一种新的损失函数，称为属性中心损失，用于训练深度耦合卷积神经网络（DCCNN）以实现面部属性引导的素描到照片匹配。具体而言，提出属性中心损失，在共享嵌入空间中为具有不同属性组合的照片和素描学习若干不同的中心。DCCNN 同时被训练以将照片与经证实的属性对及相应的法医素描映射到其关联中心周围，同时保留空间拓扑信息。重要的是，这些中心学习彼此保持相对距离，该距离与其矛盾属性的数量相关。在合成（E-PRIP）与半法医（IIIT-D Semi-forensic）数据库上进行了大量实验。所提方法显著优于现有最优方法。
引用
@article{arxiv.1804.03082,
title = {Attribute-Centered Loss for Soft-Biometrics Guided Face Sketch-Photo Recognition},
author = {Hadi Kazemi and Sobhan Soleymani and Ali Dabouei and Mehdi Iranmanesh and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1804.03082},
year = {2018}
}
备注
Accepted as a conference paper on CVPRW 2018