基于环境无线线索的野外人脸识别自主学习方法
计算机视觉与模式识别
2019-08-27 v1 机器学习
网络与互联网体系结构
机器学习
摘要
人脸识别是智能家居或响应式办公室等新兴物联网（IoT）服务的关键使能组件。借助深度神经网络，人脸识别已取得优异性能。然而，这仅在为每位用户于不同视角与光照条件下使用数百张图像训练时才可能实现。显然，这种注册与标注的工作量对于广泛部署与采用是不可能的。受大多数人随身携带智能无线设备（如智能手机）的启发，我们提出将该无线标识符用作监督标签。这使我们能够策划一个特定于某域的人脸图像数据集，例如某特定办公室中的一组人员。该定制语料库随后可用于微调现有预训练模型（如 FaceNet）。然而，由于建筑内无线传播的易变性，监督标签含噪且微弱。我们提出一种新技术 AutoTune，其通过增大簇间分离度并最小化簇内距离，随时间学习与精炼人脸与无线标识符的关联。通过在两个站点对多名用户的大量实验，我们展示了 AutoTune 能够在完全无需用户参与的情况下，设计具备环境特异性、持续演进的人脸识别系统。
引用
@article{arxiv.1908.09002,
title = {Autonomous Learning for Face Recognition in the Wild via Ambient Wireless Cues},
author = {Chris Xiaoxuan Lu and Xuan Kan and Bowen Du and Changhao Chen and Hongkai Wen and Andrew Markham and Niki Trigoni and John Stankovic},
journal= {arXiv preprint arXiv:1908.09002},
year = {2019}
}
备注
11 pages, accepted in the Web Conference (WWW'2019)