深度人脸图像检索：基于字典学习的比较研究
计算机视觉与模式识别
2018-12-14 v1
摘要
人脸图像检索是一项具有挑战性的任务，因为人脸具有许多相似的特征（区域），这使得检索系统难以区分不同人的人脸。随着深度学习的出现，深度网络常被用于提取强大的特征，这些特征应用于计算机视觉的许多领域。本文研究了不同深度学习模型在人脸图像检索中的应用，即 Alexlayer6、Alexlayer7、VGG16layer6、VGG16layer7、VGG19layer6 和 VGG19layer7，结合两种字典学习技术，即 -means 和 -SVD。我们还研究了 Homotopy、Lasso、Elastic Net 和 SSF 等一些系数学习技术及其对人脸检索系统的影响。在三个标准人脸图像数据集上进行的实验比较结果表明，人脸图像检索的最佳组合是 Alexlayer7 配 -means 和 SSF、Alexlayer6 配 -SVD 和 SSF，以及 Alexlayer6 配 -means 和 SSF。这些方法的 APR 和 ARR 进一步与一些基于局部描述子的 SOTA 方法进行了比较。实验结果表明，深度学习优于大多数这些方法，因此可推荐用于人脸图像检索的实际应用。
引用
@article{arxiv.1812.05490,
title = {Deep Face Image Retrieval: a Comparative Study with Dictionary Learning},
author = {Ahmad S. Tarawneh and Ahmad B. A. Hassanat and Ceyhun Celik and Dmitry Chetverikov and M. Sohel Rahman and Chaman Verma},
journal= {arXiv preprint arXiv:1812.05490},
year = {2018}
}