属性引导的深度偏振热成像至可见光人脸识别
计算机视觉与模式识别
2019-07-30 v1
摘要
在本文中，我们提出一种属性引导的深度耦合学习框架，以解决将偏振热成像人脸照片与可见光人脸库进行匹配的问题。该耦合框架包含两个子网络，一个专用于可见光光谱，第二个子网络专用于偏振热成像光谱。每个子网络均由生成对抗网络（GAN）架构构成。我们提出了一种新颖的属性引导耦合生成对抗网络（AGC-GAN）架构，其利用人脸属性来提升热成像至可见光人脸识别性能。所提出的 AGC-GAN 利用人脸属性并借助多个损失函数，以在公共嵌入子空间中学习丰富的判别性特征。为实现逼真的照片重建同时保留判别信息，我们还在耦合损失函数中加入了感知损失项。我们进行了消融研究以展示不同损失函数对优化所提方法的有效性。此外，使用偏振数据集证明了该模型相较于最先进（SOTA）模型的优越性。
引用
@article{arxiv.1907.11980,
title = {Attribute-Guided Deep Polarimetric Thermal-to-visible Face Recognition},
author = {Seyed Mehdi Iranmanesh and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1907.11980},
year = {2019}
}