人脸识别中的数据不确定性学习
计算机视觉与模式识别
2020-03-26 v1
摘要
对噪声图像建模数据不确定性十分重要，但在人脸识别中鲜有探索。先驱工作 PFE 通过将每个人脸图像嵌入建模为高斯分布来考虑不确定性，颇为有效。然而，它使用现有模型中固定的特征（高斯均值），仅估计方差并依赖一种特设且昂贵的度量，因此不易使用，且不确定性如何影响特征学习尚不清楚。本工作首次将数据不确定性学习应用于人脸识别，使特征（均值）与不确定性（方差）得以同时学习。提出了两种学习方法，它们易于使用，并在非受限挑战性场景下优于现有确定性方法及 PFE。我们还提供了关于引入不确定性估计如何帮助减轻噪声样本不利影响并影响特征学习的深入剖析。
引用
@article{arxiv.2003.11339,
title = {Data Uncertainty Learning in Face Recognition},
author = {Jie Chang and Zhonghao Lan and Changmao Cheng and Yichen Wei},
journal= {arXiv preprint arXiv:2003.11339},
year = {2020}
}
备注
Accepted as poster by CVPR2020