CCFace：面向低分辨率人脸识别的分类一致性方法
计算机视觉与模式识别
2023-08-21 v1
摘要
近年来，深度人脸识别方法在真实场景（in-the-wild）数据集上展现出令人印象深刻的成果。然而，当应用于 TinyFace 或 SCFace 等真实世界低分辨率基准时，这些方法性能显著下降。为应对此挑战，我们提出一种新颖的分类一致性知识蒸馏方法，将高分辨率模型所学分类器迁移至低分辨率网络。该方法有助于为低分辨率样本寻找判别性表征。为进一步提升性能，我们受流行的角度间隔损失函数启发，设计了一种利用自适应角度惩罚的知识蒸馏损失。该自适应惩罚降低了在低分辨率样本上的过拟合，并缓解了集成数据增强的模型的收敛问题。此外，我们基于最先进的半监督表征学习范式，采用非对称跨分辨率学习方法，以提升低分辨率样本的判别性并防止其形成簇。我们所提方法在低分辨率基准上优于最先进方法，在 TinyFace 上提升三个百分点，同时在高分辨率基准上保持性能。
引用
@article{arxiv.2308.09230,
title = {CCFace: Classification Consistency for Low-Resolution Face Recognition},
author = {Mohammad Saeed Ebrahimi Saadabadi and Sahar Rahimi Malakshan and Hossein Kashiani and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2308.09230},
year = {2023}
}
备注
2023 IEEE International Joint Conference on Biometrics (IJCB)