深度 3D 人脸识别
计算机视觉与模式识别
2017-04-03 v1
摘要
我们提出了一种使用深度卷积神经网络 (DCNN) 和 3D 增强技术的新型 3D 人脸识别算法。通过利用深度神经网络的表征能力和大规模标注训练数据，2D 人脸识别算法的性能已得到显著提升。与 2D 人脸识别不同，由于缺乏大规模 3D 人脸数据集，为 3D 人脸识别训练判别性深度特征非常困难。在本文中，我们展示了从在 2D 人脸图像上训练的 CNN 进行迁移学习，可以通过用相对较少数量的 3D 面部扫描微调 CNN，从而有效地应用于 3D 人脸识别。我们还提出了一种 3D 人脸增强技术，该技术能够从单次 3D 人脸扫描合成出多种不同的面部表情。我们提出的方法在 Bosphorus、BU-3DFE 和 3D-TEC 数据集上显示出优异的识别结果，且无需使用手工特征。使用我们的深度特征的 3D 识别在大型数据库上也具有良好的可扩展性。
引用
@article{arxiv.1703.10714,
title = {Deep 3D Face Identification},
author = {Donghyun Kim and Matthias Hernandez and Jongmoo Choi and Gerard Medioni},
journal= {arXiv preprint arXiv:1703.10714},
year = {2017}
}
备注
9 pages, 5 figures, 2 tables