置信度校准的人脸与亲属关系验证
计算机视觉与模式识别
2023-10-02 v5
摘要
本文研究了人脸与亲属关系验证中预测置信度的问题。现有大多数人脸与亲属关系验证方法关注准确率表现，而忽略了对其预测结果的置信度估计。然而，在这类高风险任务中，置信度估计对于建模可靠性与可信性至关重要。为此，我们引入了一种有效的置信度度量，使验证模型能够将相似度分数转换为任意给定人脸对的置信度分数。我们进一步提出了一种称为角度缩放校准（ASC）的置信度校准方法。ASC易于实现，可在不修改模型的情况下直接应用于现有验证模型，从而得到保持准确率且置信度校准的概率化验证模型。此外，我们引入了校准置信度中的不确定性，以提升验证模型在含噪声数据时的可靠性与可信性。据我们所知，我们的工作提出了首个面向现代人脸与亲属关系验证任务的全面置信度校准方案。我们在四个广泛使用的人脸与亲属关系验证数据集上进行了大量实验，结果证明了我们所提方法的有效性。代码与模型见 https://github.com/cnulab/ASC。
引用
@article{arxiv.2210.13905,
title = {Confidence-Calibrated Face and Kinship Verification},
author = {Min Xu and Ximiao Zhang and Xiuzhuang Zhou},
journal= {arXiv preprint arXiv:2210.13905},
year = {2023}
}
备注
14 pages, 10 figures, and 9 tables, IEEE Transactions on Information Forensics and Security