由面部属性辅助的深度草图-照片人脸识别
计算机视觉与模式识别
2018-08-02 v1
摘要
本文中，我们提出一种深度耦合框架以解决草图图像与通缉照片库匹配的问题。人脸草图包含关于人脸空间拓扑与几何细节的本质信息，但缺失一些重要面部属性，如种族、头发、眼睛与肤色。我们提出一种耦合深度神经网络架构，其利用面部属性以提升草图-照片识别性能。所提的属性辅助深度卷积神经网络(AADCNN)方法挖掘面部属性，并利用来自面部属性识别与人脸验证任务的损失函数，以在公共嵌入子空间中学习丰富的判别性特征。面部属性识别任务通过推远从具有不同面部属性的个体提取的嵌入特征来增加人际差异，而验证任务通过拉近所有与同一个人相关的特征来减小人内差异。所学判别性特征能很好泛化至训练数据中未见过的新身份。与传统草图-照片识别方法相比，所提架构能够充分利用草图与互补面部属性信息来训练深度模型。在合成(E-PRIP)与半法医(IIIT-D semi-forensic)数据集上进行了充分实验。结果表明，相较于草图-照片识别算法中的state-of-the-art模型，我们的方法具有优越性。
引用
@article{arxiv.1808.00059,
title = {Deep Sketch-Photo Face Recognition Assisted by Facial Attributes},
author = {Seyed Mehdi Iranmanesh and Hadi Kazemi and Sobhan Soleymani and Ali Dabouei and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1808.00059},
year = {2018}
}