深度交叉偏振热成像至可见光人脸识别
计算机视觉与模式识别
2018-01-08 v1
摘要
在本文中，我们提出一种深度耦合学习框架，以解决将偏振热人脸照片与可见光人脸库进行匹配的问题。热人脸图像的偏振态信息提供了热人脸图像中缺失的、存在于可见光谱中的纹理与几何细节。我们提出了一种耦合深度神经网络架构，其利用相对较大的可见光与热数据集来克服过拟合问题，并最终使用一个首创的偏振热人脸数据集对其进行训练。与传统浅层热至可见光人脸识别方法相比，所提架构能够充分利用偏振热信息来训练深度模型。所提出的耦合深度神经网络还在非线性嵌入空间中寻找全局判别特征，以将偏振热人脸与其对应的可见光人脸关联起来。结果表明，我们的方法优于最先进的（SOTA）跨热至可见光人脸识别算法模型。
引用
@article{arxiv.1801.01486,
title = {Deep Cross Polarimetric Thermal-to-visible Face Recognition},
author = {Seyed Mehdi Iranmanesh and Ali Dabouei and Hadi Kazemi and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1801.01486},
year = {2018}
}