利用多任务 ArcFace 提升遮挡口罩人脸识别性能
计算机视觉与模式识别
2021-04-22 v2 机器学习
摘要
本文研究戴口罩人脸识别问题。鉴于 COVID-19 引发的全球卫生危机，遮掩口鼻的口罩已成为日常必备配饰。该卫生措施使最先进的人脸识别模型陷入困境，因其并非为处理戴口罩人脸而设计。此外，亟需能够检测受试者是否戴口罩以控制病毒传播的应用。为克服这些问题，本文提出基于 ArcFace 工作的完整训练流程，对骨干网络与损失函数作了若干修改。从原始人脸识别数据集出发，利用数据增强生成戴口罩版本，并在训练中合并两数据集。所选基于 ResNet-50 的网络经修改可在不增加任何计算成本的情况下同时输出口罩使用概率。此外，将 ArcFace 损失与口罩使用分类损失结合，得到名为多任务 ArcFace（MTArcFace）的新损失函数。实验结果表明，所提方法在处理戴口罩人脸时大幅提升原模型精度，同时在原始未戴口罩数据集上保持几乎相同的准确率，并在口罩使用分类中达到 99.78% 的平均准确率。
引用
@article{arxiv.2104.09874,
title = {Boosting Masked Face Recognition with Multi-Task ArcFace},
author = {David Montero and Marcos Nieto and Peter Leskovsky and Naiara Aginako},
journal= {arXiv preprint arXiv:2104.09874},
year = {2021}
}
备注
6 pages, 4 figures. The paper is under consideration at Pattern Recognition Letters