通过解耦外观与几何提升深度人脸识别
计算机视觉与模式识别
2020-01-15 v1 机器学习
摘要
本文提出了一个在人脸识别任务中解耦外观与几何表示的框架。为了提供监督，我们通过引入空间变换生成几何相同的人脸。我们证明所提方法通过两种方式辅助训练过程，从而提升深度人脸识别模型的性能。首先，它强制早期和中间卷积层学习满足解耦嵌入特性的更具代表性的特征。其次，它通过几何变换人脸来扩充训练集。通过大量实验，我们证明将所提方法集成到最先进的人脸识别方法中，能有效提升其在具有挑战性的数据集（如LFW、YTF和MegaFace）上的性能。通过消融研究和知识迁移任务，对方法的理论和实践方面进行了严格分析。此外，我们表明所提方法学到的知识可以有利于其他与面部相关的任务，如属性预测。
引用
@article{arxiv.2001.04559,
title = {Boosting Deep Face Recognition via Disentangling Appearance and Geometry},
author = {Ali Dabouei and Fariborz Taherkhani and Sobhan Soleymani and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2001.04559},
year = {2020}
}
备注
WACV 2020