基于深度学习与孪生网络的人脸识别方法
计算机视觉与模式识别
2024-02-12 v2 人工智能
密码学与安全
摘要
在人脸验证系统中取得 SOTA 结果通常依赖于有标签人脸训练数据的可用性，而大量获取此类数据往往十分困难。在本研究中，我们提出采用孪生网络进行人脸识别，从而无需有标签的人脸图像。我们通过策略性地利用负样本及其最近邻对应样本，以无监督方式构建正负样本对来实现这一点。该架构框架采用 VGG 编码器，将其训练为双分支孪生网络。我们的主要目标是规避对有标签人脸图像数据的需求，从而提出以完全无监督的方式生成训练对。在一个数据集内，基于与指定锚点的最高余弦相似度得分选择正训练数据，而负训练数据则以并行方式剔除，尽管其取自另一数据集。在训练期间，所提出的孪生网络通过交叉熵损失进行二分类。随后，在测试阶段，我们直接从网络输出层提取人脸验证得分。实验结果表明，所提出的无监督系统提供了与类似但完全有监督的基线相当的性能。
引用
@article{arxiv.2312.14001,
title = {Deep Learning Based Face Recognition Method using Siamese Network},
author = {Enoch Solomon and Abraham Woubie and Eyael Solomon Emiru},
journal= {arXiv preprint arXiv:2312.14001},
year = {2024}
}