用于自动亲属关系验证的深度融合孪生网络
计算机视觉与模式识别
2020-06-09 v2 多媒体
摘要
自动亲属关系验证旨在判断若干个体是否属于同一家庭。其对于帮助失踪人员与家人团聚具有重要研究意义。本文从两方面逐步解决这一挑战性问题。首先，我们提出一种深度孪生网络来量化两个个体间的相对相似度。给定两张输入人脸图像，深度孪生网络从中提取特征并通过组合与拼接融合这些特征。随后，融合特征被送入全连接网络以获得两人脸间的相似度分数，用于验证亲属关系。为提升性能，还采用了评审系统进行多模型融合。其次，将两个深度孪生网络集成至深度三元组网络用于三主体（即父、母与子）亲属关系验证，旨在判断孩子是否与一对父母相关。具体而言，将父子与母子的所得相似度分数加权生成亲子相似度分数用于亲属验证。Recognizing Families In the Wild（RFIW）是一项具多赛道、基于大规模综合性亲属识别图像库 Families in the Wild（FIW）的挑战性亲属识别任务。正在进行的 RFIW2020 挑战赛支持亲属验证（赛道 I）与三主体验证（赛道 II）。我们的团队（ustc-nelslip）在赛道 II 排名第 1，在赛道 I 排名第 3。代码见 https://github.com/gniknoil/FG2020-kinship。
引用
@article{arxiv.2006.00143,
title = {Deep Fusion Siamese Network for Automatic Kinship Verification},
author = {Jun Yu and Mengyan Li and Xinlong Hao and Guochen Xie},
journal= {arXiv preprint arXiv:2006.00143},
year = {2020}
}
备注
8 pages, 8 figures