用于跨模态人脸识别的深度感知映射
计算机视觉与模式识别
2016-08-01 v2
摘要
热红外与可见光谱之间的跨模态人脸匹配是夜间监控和安全应用所迫切需要的能力。由于极大的模态差距，热到可见的人脸识别是最具挑战性的人脸匹配问题之一。本文中，我们提出一种以显著幅度弥合此模态差距的方法。我们的方法通过使用深度神经网络捕获两模态间高度非线性的关系。我们的模型试图在学习从可见到热红外光谱的非线性映射的同时保持身份信息。我们在三个困难的热-可见人脸数据集上展示了实质性的性能提升。所提方法在UND-X1数据集上以Rank-1识别率将最优方法(SOTA)提升超过10%，在NVESD数据集上提升超过15-30%。我们的方法将因模态差距导致的性能下降弥合了超过40%。
引用
@article{arxiv.1601.05347,
title = {Deep Perceptual Mapping for Cross-Modal Face Recognition},
author = {M. Saquib Sarfraz and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:1601.05347},
year = {2016}
}
备注
This is the extended version (invited IJCV submission) with new results of our previous submission (arXiv:1507.02879)