Cross-Age LFW：用于研究非约束环境下跨年龄人脸识别的数据库
计算机视觉与模式识别
2018-01-18 v1 数据库
摘要
Labeled Faces in the Wild (LFW) 数据库已被广泛用作非约束人脸验证的基准，并且由于大数据驱动的机器学习方法，在该数据库上的性能已接近 100%。然而，我们认为由于一些限制因素，这种准确率可能过于乐观。除了不同的姿态、光照、遮挡和表情外，跨年龄人脸是人脸识别中的另一项挑战。同一个人在不同年龄时会导致较大的类内差异，且老化过程在真实世界的人脸验证中是不可避免的。然而，LFW 并未对此予以太多关注。因此，我们构建了一个 Cross-Age LFW (CALFW) 数据库，该数据库特意寻找并选择了 3,000 对具有年龄差的正样本人脸对，以增加老化过程的类内方差。同时，我们还选择了具有相同性别和种族的负样本对，以减少正负样本对之间属性差异的影响，从而实现人脸验证而非属性分类。我们在新数据库上评估了几种度量学习和深度学习方法。与在 LFW 上的准确率相比，在 CALFW 上的准确率下降了约 10%-17%。
引用
@article{arxiv.1708.08197,
title = {Cross-Age LFW: A Database for Studying Cross-Age Face Recognition in Unconstrained Environments},
author = {Tianyue Zheng and Weihong Deng and Jiani Hu},
journal= {arXiv preprint arXiv:1708.08197},
year = {2018}
}
备注
10 pages, 9 figures