用于遮挡侧脸正面化与识别的BoostGAN

有许多因素影响人脸识别，如姿态、遮挡、光照、年龄等。首要的是大姿态与遮挡问题，其甚至可导致超过10%的性能退化。姿态不变特征表示与利用生成对抗网络（GAN）的人脸正面化已被广泛用于解决姿态问题。然而，遮挡侧脸的合成与识别仍是一个未被研究的问题。为解决该问题，本文旨在贡献一种关于如何识别遮挡侧脸的有效方案，即便面部关键点区域（如眼睛、鼻子等）受损。具体地，我们提出一种增强生成对抗网络（BoostGAN）用于人脸的去遮挡、正面化与识别。基于面部遮挡为局部且不完整的假设，多块遮挡图像作为知识增强的输入，如身份与纹理信息。进一步设计了一种由用于粗人脸合成的深度GAN与用于细人脸生成的浅层增强网络组成的新聚合结构。详尽实验表明所提方法不仅呈现清晰的感知照片级真实结果，而且展示了对遮挡侧脸的最优识别性能。